aleksandro stulginskio universitetas institutasdspace.lzuu.lt/bitstream/1/3835/1/veronika... ·...
TRANSCRIPT
ALEKSANDRO STULGINSKIO UNIVERSITETAS
VANDENS ŪKIO IR ŢEMĖTVARKOS FAKULTETAS
VANDENS IŠTEKLIŲ INŢINERIJOS INSTITUTAS
Veronika Lukševičiūtė
VEGETACIJOS LAIKOTARPIO SAUSRINGUMO VERTINIMAS LIETUVOJE
Magistro baigiamasis darbas
Studijų sritis: Technologijos mokslai
Studijų kryptis: Statybos inţinerija
Studijų šaka: Vandens inţinerija
Studijų programa: Hidrotechnikos inţinerija
Akademija, 2015
2
Baigiamųjų darbų vertinimo komisija:
(Patvirtinta Rektoriaus įsakymu Nr. 157-PA, 2015 m. geguţės 20 d.)
Pirmininkas dr. Kazys Sivickis, Lietuvos melioracijos įmonių asociacijos pirmininkas.
Nariai:
1. Prof. dr. Arvydas Povilaitis, Aleksandro Stulginskio universitetas;
2. Doc. dr. Algirdas Radzevičius, Aleksandro Stulginskio universitetas;
3. Doc. dr. Rytis Skominas, Aleksandro Stulginskio universitetas;
4. Mag. Jonas Varkalys, UAB „Plungės Jonis“ valdybos pirmininkas.
Mokslinis vadovas docentė dr. Laima Taparauskienė, Aleksandro Stulginskio universitetas
Recenzentas profesorius dr. Petras Punys, Aleksandro Stulginskio universitetas
Instituto direktorius profesorius dr. Arvydas Povilaitis, Aleksandro Stulginskio universitetas
Oponentas docentas dr. Vincas Gurskis, Aleksandro Stulginskio universitetas
3
TURINYS
SANTRAUKA .................................................................................................................... 4
SUMMARY ........................................................................................................................ 5
ĮVADAS .............................................................................................................................. 6
1. LITERATŪROS APŢVALGA ....................................................................................... 8
1.1. Ţemės ūkio veikla klimato kaitos akivaizdoje ......................................................... 8
1.2. Pagrindiniai sausras lemiantys veiksniai .................................................................. 9
1.3. Sausrų vertinimo indeksai ...................................................................................... 11
1.4. Standartizuoto kritulių indekso pritaikymas globaliu mąstu .................................. 13
1.5. Sausrų tyrimai Lietuvoje pasitelkiant Standartizuotą kritulių indeksą ................... 15
2. TYRIMO TIKSLAS IR UŢDAVINIAI ........................................................................ 18
3. TYRIMO METODIKA IR ORGANIZAVIMAS ......................................................... 19
3.1. Tyrimo objektas ...................................................................................................... 19
3.2. Sausringumo vertinimas pasitelkiant SPI ir HTK .................................................. 20
3.3. Duomenų apdorojimas ............................................................................................ 23
4. TYRIMŲ REZULTATŲ ANALIZĖ IR JŲ APTARIMAS .......................................... 25
4.1. Meteorologinių reiškinių stebėsenos tinklas – Lietuvoje ir JAV ........................... 25
4.1.1. Sausrų stebėsenos sistema Jungtinėse Amerikos valstijose ................................ 25
4.1.2. Meteorologinių reiškinių stebėsenos sistema Lietuvoje ...................................... 29
4.2. Standartizuoto kritulių indekso taikymas sausrų identifikavimui .......................... 32
4.3. Tyrimų laikotarpio vertinimas pagal HTK .............................................................. 34
4.4. Sausrų vertinimo palyginamoji analizė pasitelkus SPI 1 ir HTK ........................... 38
4.5. Tikimybinis sausrų vertinimas pagal SPI 1 ............................................................ 42
4.6. Tikimybinis sausrų vertinimas pagal HTK .......................................................... 45
IŠVADOS .......................................................................................................................... 48
LITERATŪRA .................................................................................................................. 49
4
Lukševičiūtė V., Vegetacijos laikotarpio sausringumo vertinimas Lietuvoje: Statybos inţinerijos
magistro baigiamasis darbas / vadovas doc. dr. Laima Taparauskienė; Aleksandro Stulginskio
universitetas, Vandens ūkio ir ţemėtvarkos fakultetas, Vandens išteklių inţinerijos institutas. –
Akademija, 2015. – 50 p.
SANTRAUKA
Baigiamajame magistrantūros studijų darbe buvo analizuojamas sausringų laikotarpių
pasikartojimo daţnis dviejuose Lietuvos regionuose (Telšių ir Kauno). 1982-2014 m. vegetacijos
laikorarpio sausringumui apibūdinti buvo taikomi du skirtingi metodai – Standartizuotas kritulių
indeksas ir G. Selianinovo hidroterminis koeficientas. Standartizuotas kritulių indeksas (SPI) Europoje
taikomas kaip pagrindinis įrankis meteorologinei sausrai identifikuoti. Hidroterminis koeficientas
Lietuvoje yra patvirtintas (Ţinios…, 2006), kaip pagrindinis kriterijus stichinei sausrai skelbti. Norint
nustatyti skirtumus tarp šių dviejų indeksų ir juos palyginti tarpusavyje naudota koreliacinė analizė.
Darbo pabaigoje pasitelkiant SPI 1 įvertintas tikimybinis sausrų pasiskirstymas ir daţnis.
Pirmojoje tyrimo rezultatų dalyje apţvelgtos interaktyvios pasaulyje taikomos sausrų
stebėsenos sistemos. Jos palygintos su Lietuvoje esančia hidrometeorologinių stebėjimų sistema. Kitoje
rezultatų dalyje atliktas augalų vegetacijos laikotarpio sausringumo sąlygų vertinimas pagal Kauno ir
Telšių MS duomenis pasitelkus SPI 1 (1982 – 2014) ir HTK (1996-2014). Trečiojoje rezultatų dalyje
nustatytas sausrų intensyvumas ir pasikartojimų daţnumas. Vertinant pagal HTK daugiausiai buvo
šlapių metų (52%). Pagal SPI 1 daugiausiai artimų normaliam drėkinimui mėnesių (76 %). Atlikus
tikimybinį sausrų pasiskirstymo vertinimą nustatyta, kad ekstremaliai sausringo laikotarpio tikimybė
Telšių rajone 2,4 %, o Kauno rajone 3 %.
Prasminiai ţodţiai: vegetacijos laikotarpis, G. Selianinovo hidroterminis koeficientas,
metodas, sausringumo sąlygos.
5
SUMMARY
Veronika Lukševičiūtė
Evaluation of drought occurrence in Lithuania
Final work of Aleksandras Stulginskis University Master degree Studies. This final work
consists of 50 pages, 25 figures, 11 tables, 11 references in the Lithuanian language and 16 references
in English.
The final work provides the analysis of drought conditions of vegetation period in 1982-2014
year in two Lithuanian regions. To identify drought conditions there two diferent indexes –
Standartized Precipitation Index (SPI) and G. Selianinovas hydrothermal coefficient (HTK) were
applied. In the Europe environmental monitoring system the Standardized Precipitation index plays a
mojor role in identifying the drought. On the other hand the Hydothermal coefficient is the most
popular tool to identify the agricultural drought in Lithuania. In order to define the differences of the
two indexes and make a comprehensive comparison a correlation analysis is used. In the end of this
paper there the probabilistic prognoze using SPI 1 was performed.
The first part of this paper is interactive overview of the world applicable drought monitoring
system, which is compared with hydrometeorological monitoring system contained in Lithuania. The
next part of results there is accomplish drought conditions estimation by Kaunas and Telšiai MS data
according to SPI (1982-2014) and HTK (1996-2014). In the third part of this paper there was performed
comparison of different drought assessment methods. As measured by the HTK most of the months was
wet (52%). As measured by the SPI 1 most of the months was near normal (76%). After probabilistic
forecasting drought the results showed that the probability of extreme dry period in Telšiai is 2,4 % and
in Kaunas – 3 %.
Key words: vegetation period, G. Selianinovas hydrothermal coefficient, method, drought
conditions.
6
ĮVADAS
Sausra – natūralus meteorologinis reiškinys, kuris atsiranda dėl kritulių trūkumo, aukštos oro
temperatūros ir intensyvaus garavimo. Dėl sausrų sukeltų padarinių didţiulių nuostolių patiria ţemės
ūkio, energetikos, socialinis, gamtinis ir kiti sektoriai. Lietuvos teritorija, pagal savo fizines geografines
sąlygas priklauso perteklinės drėgmės zonai, t. y., per metus kritulių iškrinta daugiau negu išgaruoja ar
nuteka paviršiniu nuotėkiu bei infiltruojasi į gruntinius vandenis, tačiau kritulių kiekis augalų
vegetacijos laikotarpiu pasiskirsto labai netolygiai. Nepaisant šio netolygaus metinio kritulių
pasiskirstymo pastebima, jog sausringi laikotarpiai fiksuojami vis daţniau, todėl ypač aktualu ţinoti
tikslius ir aiškius sausrų identifikavimo ir prognozavimo metodus.
Ţinant, jog keičiantis klimatui reikšmingai didėja sausros pavojus ir siekiant išvengti neigiamų
padarinių šalies ūkiui, būtina nuosekliai stebėti ir prognozuoti gręsiančias sausras. Sausros stebėsena ir
prognozavimas atliekamas siekiant numatyti jos mastus bei kiek įmanoma išvengti neigiamų pasekmių
(A. Cancelliere et al. 2006). Sausros gali būti prognozuojamos skirtingiems laikotarpiams: nuo kelių
mėnesių iki kelių metų. Sausrų analizės metu didţiausią reikšmę turi kritulių duomenys, o atliekant
prognozę – sausros trukmė ir intensyvumas (M. T. Pham et al. 2013).
Įvairių uţsienio šalių patirtis rodo, jog remiantis geografinėmis, klimatinėmis bei kitomis
sąlygomis sausroms stėbėti ir prognozuoti taikomi skirtingi indeksai bei metodai.Pasaulinė
meteorologijos organizacija dar 2009 m. rekomendavo Lietuvos meteorologijos tarnybai kaip
universalų sausros indeksą taikyti. Standartizuotą kritulių indeksą (SPI) Tačiau universalaus
agrometeorologinės ir hidrologinės sausrų indeksų paieškos tebevyksta (Valiukas, 2011). Stichinės
sausros paskelbimui įstatymu reglamentuotas pagrindinis kriterijus G. Selianinovo hidroterminis
koeficientas HTK yra taikomas Respublikos mastu, neatsiţvelgiant į atskirų regionų klimatinius ir
dirvoţemio ypatumus. Pagal Lietuvos Respublikos Vyriausybės 2006 m. kovo 9 d. nutarimą „Dėl
ekstremalių įvykių kriterijų patvirtinimo” stichine sausra laikoma tuomet, kai drėgmės atsargos 0 † 10
cm ir 0 † 100 cm dirvos sluoksnyje yra ≤ 10 mm ir ≤ 60 mm, o hidroterminis koeficientas HTK yra
maţesnis nei 0,5 ir toks išsilaiko vieną mėnesį (Ţinios..., 2006).
Kaip rodo pasaulinė patirtis, svarbu ţinoti, kokiais būdais galima nustatyti sausros intensyvumą,
jos trukmę, poveikį šalies ţemės ūkiui. Tuo tikslu šiame darbe buvo analizuojamas 1982-2014 m.
laikotarpio SPI 1 reikšmės pagal Kauno ir Telšių meteorologijos stočių duomenis. Taip pat augalų
aprūpinimo vandeniu nustatymui pasitelkiamas G. Selianinovo hidroterminis koeficientas. Remiantis
7
Kauno ir Telšių hidrometeorologijos stoties duomenimis 1996–2014 m. laikotarpiu, siekiama palyginti
šių dviejų metodų pranašumus ir trūkumus Lietuvos teritorijoje bei nustatyti tikimybinį sausrų
pasikartojimą.
Šio magistrantūros baigiamojo darbo tikslas – įvertinti vegetacijos laikotarpio sausringumą ir jo
tikimybinį pasikartojimą Lietuvoje.
Tikslui pasiekti, iškelti uţdaviniai:
1. Apţvelgti interaktyvias pasaulyje taikomas sausrų stebėsenos sistemas bei palyginti su
Lietuvoje esančia hidrometeorologinių stebėjimų sistema;
2. Nustatyti augalų vegetacijos laikotarpio sausringumą skirtinguose Lietuvos klimatiniuose
rajonuose pasitelkiant SPI ir HTK;
3. Palyginti pagal HTK ir SPI nustatytų sausrų intensyvumą ir pasikartojimų daţnumą
Lietuvos klimatinėms sąlygoms;
4. Nustatyti tikimybinį sausrų pasikartojimą skirtinguose Lietuvos klimatiniuose rajonuose.
Pagal magistrantūros baigiamojo darbo sudarymo metodiką, darbą sudaro įvadas, 4 skyriai,
išvados bei naudotos literatūros sąrašas. Bibliografinį aprašą sudaro 27 šaltiniai. Darbo apimtis - 50
puslapių, grafinę dalį sudaro 11 lentelių, 25 paveikslai.
8
1. LITERATŪROS APŢVALGA
1.1. Ţemės ūkio veikla klimato kaitos akivaizdoje
Šiandien pripaţįstama, kad klimato kaita yra vienas iš didţiausių aplinkos, socialinių ir
ekonominių iššūkių pasauliui. Egzistuoja aiškūs moksliniai įrodymai, kad dėl ţmonių veiklos
susidariusios didelės šiltnamio dujų koncentracijos atmosferoje sustiprina natūralų šiltnamio efektą, dėl
kurio kyla Ţemes temperatūra. Nuo 1970 m. šiltnamio dujų (daugiausia anglies dioksido, CO2)
koncentracija išaugo 70% (ES ţemės ūkis…, 2008).
Klimato nepastovumas ir kaita tiesiogiai įtakoja pasauliniu mąstu vykdomą ţemės ūkio veiklą.
Dėl dirvoţemio derlingojo sluoksnio nykimo, miškų kirtimo bei nuolat didėjančio gyventojų skaičiaus
ţemės ūkio sektoriuje patiriami nuostoliai. Klimato nepastovumas, sausros bei potvyniai, skatina
naujausių technologijų paiešką ir jų taikymą ţemės ūkyje. Tradicinės ţemdirbystės atsisakymas ir
perėjimas prie strateginio ūkių valdymo, padeda apsisaugoti nuo nuolatinės sezoniškumo kaitos (Molly
E. Brown, 2013).
Europos komisijos duomenimis (ES ţemės ūkis..., 2008) klimatinės sąlygos tapo daug
įvairesnės. Šiaurės Europoje smarkiai padaugėjo liūčių ir pūgų, potvyniai tapo įprastu reiškiniu, tuo
tarpu pietų Europos šalyse daug maţiau lyja ir padaţnėjo sausros. Klimatinių sąlygų kaitos prognozės,
priklausomai nuo regiono, smarkiai skiriasi. Galima teigti, kad XXI a. galima tikėtis švelnesnių ir
drėgnesnių ţiemų, karštesnių ir sausesnių vasarų bei daţnesnių bei intensyvesnių su orais susijusių
gamtos reiškinių. Iki 2050 metų nenumatoma ypatingai ekstremalių klimato temperatūros pokyčių,
tačiau galima tikėtis ţenklaus neigiamo ekstremalių oro sąlygų poveikio, kaip antai daţnesnių ir
ilgesnių karšto oro laikotarpių, sausrų ir potvynių. Pasauliniame maisto politikos tyrimų institute
(International Food Policy Research Institute, Washington) atlikti tyrimai (2009) parodė, jog ţemės
ūkio veikla labai susijusi su klimato kaita. Dėl kritulių trūkumo kenčia pasėlių laukai, patiriami derlaisu
nuostoliai.. Didţiausia rizika juntama ekonomiškai stipriose šalyse, kuomet ţemės ūkio sektorius (pvz.:
ryţių auginimas Azijos šalyse) kenčia nuo neigiamų klimato kaitos padarinių. Jau 2005 m.
išsivysčiusiose šalyse daugiau nei pusė visuomenės (t. y. 2,5 milijardai ţmonių) vertėsi ţemės ūkio
veikla. 2009 m. (International..., 2009), beveik 75 proc. visuomenės silpnai išsivysčiusios ekonomikos
šalyse gyveno kaimiškose vietovėse. Norint susidoroti su iššūkiais ateityje, kuomet 2050 m. tikimasi
ţmonių visuomenės padidėjimo iki 9 milijardų, būtina investuoti į modernias ţemės ūkio technologijas,
9
jas pasitelkiant besikeičiančio klimato padariniams kontroliuoti (Impact on Agriculture..., 2009).
Neigiamą poveikį ţemės ūkio derliui dar labiau sustiprina vis daţnesni ekstremalių oro sąlygų
laikotarpiai (potvyniai, dideli karščiai ir sausros). Labiausiai tikėtina, kad tai ypač paveiks smulkius ir
natūrinius ūkius, nes jie turi maţiau galimybių prisitaikyti. Tai padidins bado pavojų, ypač Afrikos
ţemyne (ES ţemės ūkis…, 2008). Maisto politikos ataskaitoje (Food Policy Report, 2009) pagrindinis
dėmesys skiriamas idėjai, jog ryšys tarp ţmogaus ir ţemės ūkio veiklos tiesiogiai priklauso nuo klimato
kaitos, todėl norint šį ryšį išsaugoti turi būti dedamos pastangos kuriant strateginius planus, kaip
panaudojant finansines ir technologines priemones išlaikyti pusiausvyrą ţemės ūkio produkcijos srityje.
Siekiant strateginio poţiūrio į besikeičiančio klimato įtakos didėjimą ir pasekmių valdymą,
pasaulyje kuriamos organizacijos, kurių tikslas vienyti poţiūrį į ţemės ūkio ir maisto apsaugą, ţmonių
sveikatą bei tvarų gamtos išteklių valdymą. Viena tokių – pasaulinė partnerystė Consultative Group on
International Agricultural Research (2008). Ši partnerystė vienija 15 tyrimų centrų, kurie glaudţiai
bendradarbiauja su šimtais partnerių, įskaitant nacionalinių ir regioninių mokslinių tyrimų institutų,
pilietinės visuomenės organizacijų, akademinės bendruomenės, plėtros organizacijų ir privataus
sektoriaus. Šios partnerystės programa - Klimato kaita, Ţemės ūkis ir maisto apsauga (Climate Change,
Agriculture and Food Security (CCAFS)), kuria siekiama įveikti klimato kaitos keliamas grėsmes
ţemės ūkiui ir ieškoti naujų būdų kaip padėti kaimiškoms bendruomenėms prisitaikyti prie globalių
klimato pokyčių. Programoje dalyvauja geriausi pasaulio mokslininkai, dirbantys ţemės ūkio, klimato
tyrimų, aplinkosaugos ir socialinių mokslų srityse, kurie siekia nustatyti kompromisus tarp ţemės ūkio
ir besikeičiančio klimato (CGIAR Research..., 2008). CCAFS yra unikali ir inovatoriška programa,
kurios pagalba tiesiogiai ir operatyviai pritaikomos veiksmų programos ir planai kaip tinkamai reaguoti
į besikeičiantį klimatą ir jo įtaką ţemės ūkiui.
1.2. Pagrindiniai sausras lemiantys veiksniai
Krituliai yra tiesiogiai svarbūs ne tik ţemės ūkio, bet ir vandens išteklių srityje, nes būtent dėl
kritulių tūkumo, aukštos oro temperatūros ir intensyvaus garavimo atmosferoje bei dirvoje vyksta
sausros įtakojami procesai susiję su vandens balanso svyravimu, derliaus skurdumu ar net išnykimu.
Tropinio klimato kraštuose (Rytų Afrika, Malaizija), sausros taip pat tiesiogiai susiję su derliaus
nuostoliais. Netolygus kritulių pasiskirstymas tropikuose iššaukia atsitiktines sausras, kurios tiesiogiai
veikia ţemės ūkį (Nieuwolt S., 1985). Atsitiktinės ţemės ūkio sausros susiję su netolygiu metinio
kritulių kiekio pasiskirstymu. Skirtingais metais kritulių kiekis tropiniuose regionuose gali svyruoti nuo
10
1500 mm iki 250 mm kritulių per metus. Matyti, jog sausrų problematika globaliu mastu opi jau nuo
praeito amţiaus, nes knygos autorius (1985) pastebi, jog esant skirtingoms klimato sąlygoms būtina
numatyti atitinkamus tikimybinės prognozės metodus. Nors Lietuvos teritorija yra perteklinio
drėkinimo zonoje (kritulių iškrinta daugiau nei išgaruoja nuo ţemės paviršiaus), kritulių kiekis, ypač
augalų vegetacijos laikotarpiu pasiskirstęs labai netolygiai. Toks netolygumas yra labai nepalankus
ţemės ūkiui (Dirsė, 2001). Dėl šio proceso mūsų šalyje sausros nėra itin daţnas reiškinys, tačiau
pastaraisiais dešimtmečiais sausros Lietuvoje periodiškai kartojasi ir daţnėja, įvairaus intensyvumo ir
trukmės sausros Lietuvą aplanko beveik kasmet. 1961-1995 m. laikotarpiu vietinės reikšmės stichinės
sausros kartojosi vidutiniškai kas 9 metus (Buitkuvienė, 1998).
Per metus Lietuvoje išktenta apie 748 mm kritulių, išgaruoja – 68 % (apie 512 mm), o nuteka –
32 % (236 mm). Krituliai pasiskirstę labai netolygiai skirtinguose regionuose bei sezoniškumo prasme.
„Daugiausia kritulių iškrinta Vakarų Ţemaitijoje (daugiau nei 1000 mm), maţiausiai – uţ Ţemaičių
aukštumų (maţiau nei 600 mm). Suprantama, jog netolygumas pasireiškia sausrų atsiradimu. Įvairaus
intensyvumo ir trukmės sausros Lietuvą aplanko beveik kasmet (Valiukas D., 2011).
Pastaraisiais dešimtmečiais sausros Lietuvoje periodiškai kartojasi ir daţnėja. Buitkuvienė M.
S., savo staripsnyje „Sausros Lietuvoje – klimato kitimo rodiklis?“ (1999), pastebi, jog sausiausios
buvo 1992 ir 1994 metų vasaros, kuomet uţfiksuoti ypač sausi orai ir smarkus garavimas. Autorė
(1999) numatė, jog kitas sausringas laikotarpis turėjo būti 2008 m. bei 2013- 2015 m.
Vis aktualesnės tampa klimato kaitos problemos, šiuo atveju susijusios su kritulių netolygumu.
Keičiantis klimatui reikšmingai didėja sausros pavojus. Todėl svarbu ţinoti, kokiais būdais galima
nustatyti sausros intensyvumą, jos trukmę, poveikį šalies ţemės ūkiui. Pastebima, jog keičiantis
klimatui, kylant oro temperatūrai, maţėjant kritulių kiekiui ir dienų su lietumi skaičiui šiltuoju metų
laikotarpiu, apie sausras tenka kalbėti dabar ir dar daugiau teks kalbėti ateityje, nes manoma, kad
sausros tik daţnės ir intensyvės.
Daugelį metų buvo manoma, kad sausrų Lietuvoje nebūna arba jos labai retos, nors pagal
Lietuvos hidrometeorologijos tarnyboje patvirtintus sausrų kriterijus 1961−1995 m. aktyviosios augalų
vegetacijos laikotarpiu buvo uţregistruotos 4 stichinės sausros, kurių 3 buvo vietinės reikšmės, 1
stichinė sausra, apėmusi 1/3 Lietuvos teritorijos, ir 2 sausros, nepasiekusios stichinio reiškinio kriterijų,
bet padariusios didelę ţalą (Buitkuvienė, 1999). Nuo 1995 m. iki 2008 m. stichinė sausra uţregistruota
2006 m., o 2008 m. buvo netoli stichinės sausros ribos (Valstybės..., 2008). Sausra skiriasi nuo kitų
11
meteorologinių reiškinių tuo, kad ji yra padarinys suformuotas tam tikrų meteorologinių sąlygų ir
reiškinių. Pasak Valiuko (2011), nėra labai paprasta nustatyti sausrų pradţią ir trukmę, kadangi per
ilgesnį laiką šiomis sąlygomis padaromas vis didesnis poveikis. Be to sausra yra reiškinys, turintis
kompleksinį poveikį tiek ţemės ūkio, tiek vandens išteklių valdymo srityse. Svarbiausias veiksnys,
lemiantis sausrą, yra kritulių stoka, o kritulių kiekis priklauso nuo atmosferos cirkuliacijos. Nustatyta,
kad sausras gali nulemti: 1) arktiniai anticiklonai; 2) Azorų anticiklonai; 3) arktiniai ir Azorų
anticiklonai veikdami kartu (Buitkuvienė, 1999). Kaip jau minėta, Lietuvoje iškrinta maţdaug 650-850
mm kritulių, iš jų šiltuoju metų laiku – 390-580 mm. Apie 60% metinio kritulių kiekio tenka šiltajam
laikotarpiui. Šiltuoju metų laiku kritulių iškrinta du kartus daugiau negu šaltuoju. Per metus būna 160 -
175 dienos su krituliais. Lietingiausia Lietuvoje liepa ir rugpjūtis (79-77 mm), rytinėje respublikos
dalyje – birţelis, o pajūryje – rugsėjis. Maţiausiai kritulių iškrinta vasario, kovo (33-36 mm) mėnesiais
(Vandens reţimas..., 2008).
1.3. Sausrų vertinimo indeksai
Kriterijai sausrai identifikuoti integruoja įvairius duomenis: kritulius, sniego dangos storį,
paviršinį nuotėkį ir kitus vandens pajamų šaltinius į vieningą sistemą. Sausros indeksas paprastai
išreiškiamas vieno skaičiaus verte, kurio taikymas yra daug naudingesnis uţ daugelio duomenų eiles,
naudojamas sprendimų priėmimui, todėl sausrai, kaip sudėtingam klimato reiškiniui apibūdinti yra
sukurta įvairių indeksų.
Pasaulyje ir Europoje nėra vieningo sausros vertinimo indekso bei vienodo poţiūrio į sausros
stebėseną. Nuo 1995 metų stebėti sausros reiškinio pradţią ir plėtrą Kinijoje (Pekino Klimato centras)
naudoja Standartizuotą Kritulių indeksą (SPI) (Mannava V.K.,, 2010). Kenija, Tanzanija, Etiopija,
Uganda, Somalis, Pietų Afrikos Respublika, Nairobis ir kitos Afrikos šalys sausroms indefikuoti taip
pat daudumoje naudoja SPI (Omondi P.A., 2010). Portugalijoje sausroms nustatyti vartojamas
Palmerio rodiklis (Palmer Drought Severity Index (PDSI)) (Mannava V.K.,, 2010). Indekso
skaičiavimui reikalingi duomenys – mėnesinis kritulių kiekis, mėnesinė vidutinė temperatūra bei
dirvoţemio vandens kiekis. Šis indeksas maţiau taikytinas kalnuotoms vietovėms. Skaičiuojant šį
indeksą neįvertinama snygis, sniego danga bei įšalas. Indijoje sausroms stebėti ir vertinti yra
naudojamas ţemės ūkio sausrų anomalijos (drought aridity anomaly index) indeksas, (Sarkar J., ,
2010). Brazilijoje daugiausia naudojama iškritusių kritulių kiekio anomalijos (the rainfall anomaly)
(Sentelhas, 2010). Jungtinėse Amerikos Valstijose - Palmerio rodiklis (PDSI) ir augalų drėgmės
12
indeksas (Palmer Drought Severity Index and Crop Moisture Index) (Palmer 1965 ir 1968, Alley,
1984). Augalų drėgmės indeksui reikalingi duomenys – krituliai ir temperatūra, jis skaičiuojamas
savaitės laiko ţingsniui. Šis indeksas skirtas stebėti trumpalaikių drėgmės sąlygų įtaką besivystantiems
augalams. Tai nėra ilgalaikės sausros stebėjimo įrankis, tačiau gerai atspindi drėgmės atsargas
nedideliame laiko ţingsnyje visuose pagrindiniuose ţemės ūkio regionuose. PDSI sausroms nustatyti
JAV naudojamas nuo 1960 metų. JAV kiekvieną antradienį yra nustatoma prognozuojama sausros
teritorija ūkininkams patogiu GIS formatu, kad jie galėtų joms pasirengti (Raymond P., 2010).
Vokietijoje naudojama Martonne index, SPI ir vandens balanso modelis (the Martonne index,
Standardized Precipitation Index (SPI), and output from the water balance model in order to assess the
intensity of droughts) (Cloppet, 2010). Didţiojoje Britanijoje naudojama Meteorological Drought
Severity Index (DSI) (Cloppet, 2010) ir dienų skaičius be lietaus (Days without Rainfall) (Mannava
V.K. , 2010), Graikijoje - Drought Index (RDI) (Cloppet, 2010); Ispanijoje – Standartizuotą Kritulių
indeksą SPI (Antonio, 2010). Kaip pagrindiniai sausros indikatoriai SPI ir PDSI yra Slovėnijoje,
Albanijoje, Bosnijoje ir Hercogovinoje, Bulgarijoje, Kroatijoje, Makedonijoje, Graikijoje, Suomijoje,
Moldavijoje, Rumunijoje, Turkijoje, Serbijoje ir Montenegro (Cloppet, 2010).
Sausrų indeksų sudėtingumas priklauso nuo parametrų, į kuriuos atsiţvelgiama, skaičių ir pačių
parametrų sudėtingumą. 1.1 lentelėje matyti pasaulyje taikomų ţemės ūkio sausrų identifikavimo
indeksų santrauka, kurioje nurodyti reikalingi kriterijai sausroms identifikuoti.
1.1 lentelė. Ţemės ūkio sausros indeksai ir duomenų poreikis jiems (Mannava V.K. 2010)
Ţemės ūkio sausro indeksas
Kri
tuli
ai
Oro
tem
per
atūra
Fak
tinė
dir
vo
ţem
io
drė
gm
ė
Augm
enij
os
indek
sas
Tėk
mės
sra
uta
s
(nuotė
kis
)
Gar
ingum
as
Dir
voţe
mio
tipas
Palmerio sausros indeksas / Palmer Drought Severity
index PDSI X X
Decilių indeksas / Deciles X
Hutchninson„o indeksas X
Sausringumo anomalijų indeksas / Aridity Anomaly Index X X X
Dviejų rezervuarų vandens modelis / Two reservoir
water balance model X X
Dirvoţemio vandens indeksas / Soil Water Index X X X
Sausros stiprumo indeksas / Drought Severity Index X
Šilto laikotarpio trukmės indeksas / Warm-spell duration X
13
Index
Šalto laikotarpio trukmės indeksas / Cold-spell duration
Index X
Paprastasis dienos intensyvumo indeksas / Simple Daily
Intensity Index X
Santykinė dirvoţemio drėgmės indeksas / Relative Soil
Moisture X X X X
Santykinis vandens deficito indeksas / Relative Water
Deficit X X X X
Sukaupto vandens trūkumo indeksas / Accumulated
Water Deficieny X X X X
Kaupiamasis sausros indeksas / Accumulated Drought
Index X X X
Augalų drėgmės indeksas / Crop Moisture Index (CMI) X X
Dienų be lietaus indeksas / Days without rainfall X
Dirvoţemio drėgmės indeksas / Soil Moisture Index X
Augalų drėgmės indeksas Palmerio pagrindu / CMI-
Palmer based X X
Augalų suminio išgaravimo indeksas / Crop Specific ET X X
Sausros stebėsenos indeksas / Drought Monitor X X X X X X
Standartizuotas kritulių indeksas / Standardized
Precipitation Index (SPI) X
Normos procentas / Percent Normal X
Dirvoţemio drėgmės anomalija / Soil Moisture Anomaly X X
Kaupiamieji krituliai / Cumulative rainfall X
Kaip matyti lentelėje, beveik visų indeksų taikyme reikalingi kritulių duomenys, daugeliui iš jų
informatyvumo teikia ir temperatūra, kuri daugeliu atveju atspindi išgaravimo potencialą. Siekiant
tikslingo ţemės ūkio sausrų vertinimo, tyrėjai prieš priimdami sprendimus daţniausiai taiko keletą
metodų ir tik tada teikia išvadas.
1.4. Standartizuoto kritulių indekso pritaikymas globaliu mąstu
SPI skaičiavimo metodika paremta kritulių duomenų sekos pritaikymu normaliam skirstiniui ir
tolesnio jos normalizavimu į skirtingus laiko intervalius (pavyzdţiui, vieno trijų mėnnesių, pusės metų
ir t.t.). Šio sausros identifikavimo indekso pritaikymas paremtas kritulių pasiskirstymo duomenimis.
SPI reikšmės klasifikuojamos pagal neigiamas ir teigiamas skaitines reikšmes, kurios atitinkamai
reiškia sausringus ir drėgnus laikotarpius (Broek J., ir kt., 2014). SPI skaičiavimais gauti duomenys
pasiskirstę pagal normaliojo skirstinio dėsnį, kas leidţia interpratuoti indekso reikšmių tikimybinį
pasiskirstymą. SPI yra universalus ir plačiai pritaikomas sausros identifikavimo indeksas, kurio pagalba
galima identifikuoti sausras skirtingų klimatinių sąlygų regionuose (Cancelliere ir kt., 2006). Autoriai
14
(2006), remdamiesi Standartizuotu kritulių indeksu, vertinant ir prognozuojant sausrą taiko dvi
metodologijas. Taikant pirmąją metodologiją ir remiantis SPI reikšmėmis analitiškai gaunama
autokovariacijos matrica, kurios pagrindu priartėjimo būdu apskaičiuojama būsimos sausros tikimybė
ateityje. Prognozės patikslinimui taip pat atliekama Markovo grandinės modelio analizė, kurios metu
išaiškinamos reikšmingos klaidos, turinčios įtakos prognozės tikslumui. Taikant antrąją metodologiją
SPI reikšmės prognozuojamos patikimumo intervalo ribose. Gauti rezultatai rodo pakankamai stiprų
ryšį tarp išmatuotų ir prognozuojamų reikšmių esant trumpai ir vidutinio laikotarpio prognozei. Tyrimo
autoriai (2006) pastebi, jog nuolat atliekami tyrinėjimai leidţia išaiškinti išorinius faktorius, kurie gali
įtakoti prognozės tikslumą. Ţvelgiant globaliai, SPI, kaip sausros stebėsenos įrankis, jau 1994 metais
buvo pradėtas naudoti Kolorado valstijose (JAV) (Mckee ir kt., 1993). Ţinant, jog sausrų
identifikavimas pagal SPI teisiškai reglamentuotas 1993 metais, galima spręsti – ši sausrų nustatymo
metodika gana greitai tapo prieinamu įrankiu plačiajai visuomenei. Standartizuotas kritulių indeksas
taip pat plačiai pritaikomas klimato ţemėlapių sudaryme, juos rengia vieni didţiausi pasaulyje klimato
stebėjimo centrai – Nacionalinis sausrų maţinimo centras (National Drought Mitigation Center),
Vakarų regiono klimato centras (Western Regional Climate Center) ir kt.
Standartizuoto kritulių indekso pritaikymas identifikuojant sausras globaliu mąstu akivaizdţiai
juntamas nagrinėjant uţsienio šalių literatūrą. Vijendra K. Boken ir kt.(2005) knygoje Ţemės ūkio
sausrų stebėjimas ir prognozavimas (Monitoring and Predicting Agricultural Drought). Meksikos
sausrų tyrimo centras (The Mexican Drought Research Center) šį indeksą plačiai pritaiko ţemės ūkio
sausrų stebėsenoje. SPI3 indekso reikšmės aktualios sausringų vietovių ūkininkavime, kuomet derlius
labai priklauso nuo sezoninio kritulių svyravimo. SPI12 duomenys aktualūs valstijų agentūroms, kurios
kontroliuoja vandens išteklių valdymą. Platus SPI pritaikymas sausrų valdyme patogus ir tuo, jog
reikšmės gali būti apdorojamos GIS programomis, kuriomis galima pateikti erdvinį duomenų
atvaizdavimą bei aiškiai diferencijuoti skirtingo laipsnio sausrų pasiskirstymą. GIS analizė atliekama
siekiant įvertinti ţalą ţemės ūkio srityse, kitiems gamtiniams ištekliams bei visuomenei. Meksikoje
atlikti tyrimai (Vijedra K. Boken et. al., 2005) parodė, jog Standartizuotas kritulių indeksas,
priklausantis tik nuo kritulių kiekio, gali būti pritaikomas kaip kiekybinis rodiklis sausrų tyrimuose,
tačiau šis indeksas nėra tinkamas ţemės ūkio saurų kiekybiniam įvertinimui, skaičiuojant maţų laiko
ţingsnių SPI.
15
Jakimavičiūtė ir Stankūnavičius (2008) paţymi, jog Europoje SPI taip pat kaip ir uţ Atlanto yra
vienas pagrindinių įrankių sausrų identifikacijai: A. Loukas ir L. Vasiliades (2004) analizavo Graikijos
sausras, P Spasovas su bendraautoriais SPI pritaikė sausrų tyrimams Serbijoje bei R. Faratas ir M.
Kepinska – Kasprzak (1998) tyrinėjo Lenkijos sausras. M. Trnka su bendraautoriais (2003)
meteorologines sausras analizavo pietryčių Čekijoje bei šiaurės rytinėje Austrijos dalyje pagal SPI ir
Palmer sausrų stiprumo indeksą. S. Vicente – Serrano ir bendraautoriai (2004) analizavo Valencijos
sausras, 1951–2000 metais. A. U. Komuscu (2001) nagrinėjo drėgmės sąlygas bei jų priklausomybę
nuo atmosferos cirkuliacijos, sausras Turkijoje.
1.5. Sausrų tyrimai Lietuvoje pasitelkiant Standartizuotą kritulių indeksą
Sausringus laikotarpius Vilniuje apibendrino Donatas Valiukas (2011), straipsnyje „Sausringi
laikotarpiai Vilniuje 1891–2010”. Tyrimui pasitelkta 120 metų stebėjimų duomenys, kas leidţia teigti,
kad buvo išanalizuotas viso XX amţiaus sausrų pasiskirstymas bei daţnumas. Tyrimui naudotos 1891–
2010 m. laikotarpio visų mėnesių kritulių sumos. Pradţioje buvo atlikti du SPI skaičiavimo SPI1, SPI3,
SPI6, SPI9, SPI12, SPI24, SPI48, SPI60 laiko ţingsniais variantai: su rekonstruotomis duomenų
sekomis ir nerekonstruotomis duomenų sekomis. Tuomet autorius atliko analizę, kaip skiriasi dviem
būdais gauti rezultatai visoje SPI apskaičiuotoje duomenų sekoje. Analizės metu nustatyta, jog tų pačių
mėnesių rezultatai iš esmės nesikeičia, koreliacijos koeficientas išlieka labai panašus. Pasak autoriaus
(2011), kadangi skirtumai yra labai nedideli ir didesnės įtakos bendriems rezultatams neturi, vis dėl to,
patogiau naudoti rekonstruotas duomenų sekas, kuomet ištisa duomenų seka, kai laikotarpiai be
metereologinių matavimų interpoliacijos būdu yra uţpildomi artimiausių stočių duomenimis.
Bakalauro studijų metu buvo analizuojamas Standartizuotas kritulių indeksas ir jo galimas
pritaikymas ţemės ūkio sausroms identifikuoti. Tyrimui buvo pasitelkti 1982-2012 m Kauno MS
mėnesiniai kritulių duomenys. Tyrimo metu atlikta analizė pasitelkiant penkis laiko ţingsnius, nes tai
teikia ţinių ne tik apie sausros intensyvumą bet ir apie sausringo laikotarpio trukmę. Atliekant SPI
indekso analizę, skaičiavimams pasirinkti 1, 3, 6, 12 ir 24 mėnesių ţingsniai. Išryškėjo tendencija, kad
kuo didesnis laiko ţingsnis, tuo maţesni kreivių pokyčiai.
Tiriamuoju laikotarpiu daţniausiai kartojosi SPI reikšmės, kurios reiškia, jog drėkinimas
artimas normaliam. Nustatant SPI1 tokių reikšmių pasikartojimas – 66 %, SPI3 – 69 %, SPI6 – 67 %,
16
SPI12 bei SPI24 – 68 %. Ekstremaliai sausų laikotarpių reikšmės visais skaičiavimo ţingsniais labai
panašios: SPI6 bei SPI24 – 2 %, SPI1, SPI3, SPI12 – 3 %,
Tyrimo autorius Valiukas (2011), pateikdamas sausų ir drėgnų laikotarpių vertinimo rezultatus,
padarė išvadą, jog kuo didesnis laiko ţingsnis, tuo sausringų laikotarpių daugiau, tačiau jie būna
trumpesni. Kadangi SPI skaičiavimuose buvo lyginami rezultatai tarp atskirų laiko ţingsnių, autorius
(2011) pastebi, kad kuo SPI ţingsnis maţesnis, tuo daugiau trumpesnių sausrų fiksuojama. Ir
atvirkščiai, kuo SPI ţingsnis didesnis, tuo sausrų maţiau, bet jos ilgesnės. Atitinkami rezultatai buvo
gauti analizuojant Kauno MS duomenis bakalauro studijų metu (2013).
Kadangi sausringų atvejų tyrime uţfiksuota nemaţa dalis nuo tiriamojo laikotarpio, todėl
autorius (2011) teigia, jog reikėtų daugiau dėmesio skirti ekstremaliam SPI sausros kriterijui, kai sausra
įgyja pavojingiausią lygį. Valiukas (2011) pastebi, jog norint fiksuoti labai sausringus mėnesius
trumpais SPI ţingsniais, netinka apibrėţimas, kuomet sausros pradţia laikoma SPI reikšmei perţengus
-1 ir objektyviau būtų naudoti maţesnes SPI reikšmes, pritaikant jas mūsų klimatinėms sąlygoms.
Taigi, atliekant sausros identifikavimą mūsų regiono sąlygomis, reikėtų atkreipti dėmesį į tai, kad SPI
reikšmių skalė turėtų būti koreguojama, ją labiau pritaikant konkretiems rezultatams.
Kaip jau minėta pradţioje, autorius (2011) maţo ţingsnio SPI reikšmes lygino su HTK
reikšmėmis. Buvo pasirinkti vasaros mėnesiai, nes tuomet sausros būna pavojingiausios, o ir HTK
skaičiuojamas tik vegetacijos laikotarpiu. Kadangi per tiriamąjį laikotarpį fiksuoti 23 ektremaliai sausi
mėnesiai, kai HTK < 0,5, o tokių ekstremaliai sausų mėnesių su SPI1 reikšmėmis buvo fiksuota vos 10
t.y. daugiau nei dvigubai maţesnis skaičius, tai autorius pabrėţia, jog SPI identifikuoja ne visas HTK
indeksu apskaičiuotas sausras. Taigi, išryškėja vienas iš tų atvejų, kuomet SPI visapusiškai neatitinka
mūsų vietos sąlygų bei kas kart turi būti pritaikomas konkrečiai sąlygai. Autoriaus teigimu,
ekstremaliausią sausrą SPI identifikuoja, tačiau jis paremtas ne mėnesio kritulių kiekiu, o HTK
kasdieniais duomenimis, todėl SPI negali identifikuoti laikotarpio, jei jis prasideda ne nuo mėnesio
pradţios, o nuo vidurio.
Kiti autoriai, Jakimavičiūtė N. ir Stankūnavičius G. (2008) savo tyrime „Sausrų Lietuvoje
diagnozė naudojant skirtingus kritulių rodiklius ir klasifikacijos metodus“ pabrėţia, jog ţiemos metu,
kai nevyksta vegetacija, SPI indeksas Lietuvos atţvilgiu tampa neinformatyvus, todėl darbe
skaičiuojamas ne visas metų periodas, o pateikiama tik 4–10 mėnesių analizė. Šio tyrimo tikslas –
išskirti indeksų, kurių skaičiavimui naudojami tik mėnesių kritulių kiekio duomenys. Taip pat šie
17
autoriai (2008) didelį dėmesį skiria savo atliktos analizės palyginimą, su anksčiau Lietuvoje vykdytais
sausrų tyrimais.
Jakimavičiūtė N. ir Stankūnavičius G. (2008), vieną pagrindinių sausrų tyrimų Lietuvoje
išskiria straipsnį „Sausros Lietuvoje – klimato kitimo rodiklis?“ (Buitkuvienė, 1999), kuriame pagal
maţas produktyviosios drėgmės atsargas diagnozuojama 13 sausringų sezonų. Tiriamas 1961–1996
m.laikotarpis. Šio tyrimo metu šiltojo laikotarpio sausroms įvertinti (balandţio – spalio mėn.) pasirinkti
du kritulių indeksai: Standartizuotas kritulių indeksas (SPI) bei Procentinio nuokrypio nuo normos
indeksas (PNP). Autoriai (2008) išanalizavę 1961-2000 metų laikotarpio septynių Lietuvos
meteorologijos stočių (Kauno, Kalipėdos, Lazdijų, Paneveţio, Šiaulių, Utenos ir Varėnos) mėnesio
kritulių kiekio duomenis, pagal skirtingą SPI ţingsnį, nustatė, kad sausringumo laikotarpiai sutampa su
ankstesniuose sausrų tyrimuose taikytų metodų rezultatais. Autoriai tyrimo metu pastebi, jog tikslingiau
pasitelkti maţiausius SPI laiko ţingsnius (1, 3, 6 mėn.), o šių laiko ţingsnių dėka daugiausiai
ekstremaliai sausringų mėnesių uţfiksuota Klaipėdos, Utenos bei Varėnos regionuose. Kauno bei
Panevėţio regionuose sausra uţfiksuota tik pasitelkus ilgus laiko ţingsnius (12, 24, 48 mėn.)
(Jakimavičiūtė ir Stankūnavičius, 2008). Šių autorių atlikto tyrimo rezultatai taip pat rodo, jog
remiantis Procentinio nuokrypio nuo normos indeksu diagnozuojama tik apie 44 % ankstesniuose
tyrimuose nustatytų sausrų, o klasterinės analizės metu nustatyta, kad virš Lietuvos teritorijos
egzistuoja teigiama geopotencialaus aukščio anomalija, kuri tiesiogiai susijusi su kritulių deficitu
(Jakimavičiūtė ir Stankūnavičius, 2008).
18
2. TYRIMO TIKSLAS IR UŢDAVINIAI
Šio darbo tikslas – įvertinti vegetacijos laikotarpio sausringumą ir jo tikimybinį pasikartojimą
Lietuvoje.
Tikslui pasiekti, iškelti uţdaviniai:
1. Apţvelgti interaktyvias pasaulyje taikomas sausrų stebėsenos sistemas bei palyginti su
Lietuvoje esančia hidrometeorologinių stebėjimų sistema;
2. Nustatyti augalų vegetacijos laikotarpio sausringumą skirtinguose Lietuvos
klimatiniuose rajonuose pasitelkiant SPI ir HTK;
3. Palyginti pagal HTK ir SPI nustatytų sausrų intensyvumą ir pasikartojimų daţnumą
Lietuvos klimatinėms sąlygoms;
4. Nustatyti tikimybinį sausrų pasikartojimą skirtinguose Lietuvos klimatiniuose
rajonuose.
19
3. TYRIMO METODIKA IR ORGANIZAVIMAS
3.1. Tyrimo objektas
Baigiamojo darbo pagrindinis tyrimų objektas Kauno ir Telšių rajonų sausringumo sąlygos.
Tyrimų objekto vietos pasirinkimui pagrindinis kriterijus – Lietuvos klimato rajonavimas,
vyraujantys dirvoţemiai, agrometeorologijos ir meteorologijos stočių tinkas, teritorijos panaudojimo
funkciniai prioritetai ir kiti veiksniai. Nors Lietuvos teritorija santykinai nėra didelė, tačiau skirtingos
sausringumo sąlygos atskiruose regionuose įtakoja gaunamus rezultatus. Kuomet vidurio Lietuvoje
identifikuojama sausra, Ţemaitijos teritorijoje gali būti fiksuojami šlapi laikotarpiai.
Visos Lietuvos teritorijoje įrengtas meteorologinių stebėjimų tinklas, kurio dėka, šiuo metu
galima vertinti pagrindinę meteorologinę informaciją ir klimato kaitą (3.1 pav.). Tikslios ir kokybiškos
trumpalaikės prognozės padeda pasirengti nepalankioms orų sąlygoms, išvengti materialinių nuostolių,
kurie turi įtakos šalies ūkiui.
3.1 pav. Meteorologinių stočių tinklo ţemėlapis (LHMT, 2015)
Lietuvos hidrometeorologijos tarnyboje (LHMT) įdiegta atmosferos radiozondavimo įranga,
kuri suteikia galimybę operatyviai gauti, apdoroti ir pateikti patikimą informaciją apie oro sąlygas,
tiksliau prognozuoti orus. Kad tarnyba galėtų įvertinti aplinkos oro kokybę bei prognozuoti stichinius
bei katastrofinius reiškinius, reikalingi kokybiški, didesnio daţnumo meteorologiniai duomenys
realiuoju laiku. Atmosferos radiozondavimas yra vienintelis būdas, kaip galima tiesiogiai ir tiksliai
pamatuoti meteorologinius duomenis Ţemės atmosferos sluoksniuose.
20
3.2. Sausringumo vertinimas pasitelkiant SPI ir HTK
Siekiant nustatyti ţemės ūkio sausrų intensyvumą ir daţnį pasitelkiant SPI ir HTK bei įvertinti
pasikartojimo tikimybę Kauno bei Telšių teritorijoms, šiame darbe naudotos 1982–2014 m. vegetacijos
laikotarpio mėnesių kritulių sumos. Reikalingi duomenys vertinimui ir prognozavimui, buvo išrinkti iš
Meteorologinių metraščių, kurie parengti pagal Kauno ir Telšių teritorijų meteorologijos stočių
duomenis.
Sausringumui veritinti buvo taikytas Standartizuotas kritulių indeksas (SPI). Jo skaičiavimui
buvo pasirinkti tik vegetacijos laikotarpio mėnesiai (geguţė, birţelis, liepa, rugpjūtis, rugsėjis), nes
tuomet sausrų prognozavimas Lietuvoje aktualiausias. SPI skaičiavimo metodika pagrįsta kritulių
duomenų sekos pritaikymu normaliam skirstiniui ir tolesniu jos normalizavimu į skirtingus laiko
intervalus (pvz., vieno, trijų mėnesių, pusės metų ir t. t.). Ši metodika pateikta sausrų Europoje
klimatologiją nagrinėjančiame B. Lloyd – Hughes‟o ir M. A. Sauderso (2002) darbe. SPI skaičiuoklės
veikimas pagrįstas kritulių duomenų pritaikymu Gama skirstiniui (1 formulė).
x
x dxexxG0
/1
)(
1)(
, (1)
čia G(x) – skaičiuojamoji tikimybė;
β – laiko intervalo parametras;
α – formos parametras;
x – mėnesio kritulių kiekis
Г(α) – gama funkcija.
Parametrai α ir β yra nustatomi:
3
411
4
1 A
A ; (2)
x ; (3)
čia
n
xxA
))(ln()ln( ; (4)
n – tiriamų metų skaičius.
21
SPI skaičiuojamas specialia programine įranga, kurią galima rasti Nacionalinio sausrų
maţinimo centro tinklapyje (National ..., 2013). Programos pradinis langas ir skaičiavimo rezultatai
pateikti 3.2 pav.
3.2 pav. SPI_SL_6.exe skaičiuoklės langas ir skaičiavimo rezultatai
Skaičiavimai pasitelkus SPI_SL_6.exe programą gali būti aprašomi keliais pagrindiniais
etapais:
1. Visų pirma, suvedami ilgamečiai stebėjimų duomenys. Tam gali būti taikomos programos
Notepad arba Excel.
2. Vadovaujantis programos aprašymu, surašomi pagrindiniai duomenys: skaičiuojamasis
laiko ţingsnis, duomenų išsaugoto failo pavadinimas ir norimų rezultatų failo pavadinimas.
3. Gauti rezultatai gali būti apdorojami bet kokia teksto redagavimui tinkančia programa.
Tyrimo metu skaičiavimai atlikti pagal 1 mėnesio laiko ţingsnį, kuris tekste įvardijamas kaip
SPI 1. Apskaičiavus SPI reikšmes, naudojamasi reikšmių interpretacijų lentele (3.1 lentelė).
3.1 lentelė. SPI reikšmių interpretacija (National Drought..., 2006)
Reikšmė Interpretacija
≥2,0 Ekstremaliai drėgna
1,5 – 1,99 Labai drėgna
1,0 – 1,49 Vidutiniškai drėgna
-0,99 – 0,99 Artima normaliam
-1 – (-1,49) Vidutiniškai sausa
-1, 5 – (-1,99) Labai sausa
≤-2,0 Ekstremaliai sausa
22
Vienas iš SPI kūrėjų McKee siūlo sausros pradţia laikyti tada, kai SPI skaitinė reikšmė yra
maţiau kaip -1, o sausros pabaiga tada, kai indeksas pasiekia teigiamą reikšmę. Ir šį sausros sausros
apibūdinimo bei trukmės vertinimo apibrėţimą taikyti visiems laiko ţingsniams.
Pagrindinis kriterijus vegetacijos laikotarpio drėgmingumui vertinti Lietuvoje yra – G.
Selianinovo hidroterminis koeficientas (HTK). HTK yra priskiriamas prie sausringumo vertinimo
kriterijų, pagrįstų vandens balanso lygtimi. Jeigu HTK maţesnis nei 0,5 nenutrūkstamai išsilaiko vieną
mėnesį, konstatuojama stichinė sausra. G. Selianinovas, vertindamas sausringumą, vartojo vegetacijos
laikotarpio kritulių ir temperatūros duomenis. Parų vidutinės oro temperatūros sumą, sumaţinęs 10
kartų, prilygina garingumui ir laikotarpio drėgnumą – sausumą siūlo vertinti pagal hidroterminį
koeficientą (Valiukas D. 2011):
;1,0 10T
HHTK (5)
čia H – skaičiuojamo laikotarpio kritulių suma mm;
T10 – paros vidutinės oro temperatūros, didesnės nei 10 °C, suma per tą patį laikotarpį.
Vegetacijos laikotarpio (kai oro temperatūra >10 oC) HTK reikšmės pateiktos 3.2 lentelėje. Šis
reikšmių vertinimas naudojamas vienam mėnesiui, vienai sausrai, kuri trunka ilgiau nei mėnesį, ar
vienam vegetacijos laikotarpiui apibūdinti.
3.2 lentelė. HTK reikšmių interpretacija (Dirsė, 2001)
Vertinant Lietuvos klimatą pagal šį rodiklį, daugiausia lemia kritulių kiekio skirtumai: Vidurio
Lietuvos ţemumoje drėgnumas optimalus, o Ţemaičių aukštumoje – perteklinis. Reikia atkreipti
dėmesį, jog pagal HTK įvertinami tik kritulių ištekliai ir garavimo intensyvumas, o į dirvoţemio tipą,
paviršinio nuotėkio sąlygas ar augalo rūšį neatsiţvelgiama. Todėl konkrečioje vietovėje gradacijų ribos
gali skirtis ±0,2.
Reikšmė Interpretacija
>1,5 Šlapia
1,0 – 1,5 Pakankamai drėgna
0,8 – 1,0 Nepakankamai drėgna
0,6 – 0,7 Sausringa
0,4 – 0,5 Sausa
<0,3 Labai sausa
23
Tyrime skaičiuotos HTK reikšmės dviejuose objektuose – Telšių regionui (2009-2014 m.) ir
Kauno regionui (1996-2014 m.).
3.3. Duomenų apdorojimas
Nagrinėjant, kaip atitinka SPI 1 ir HTK reikšmės, vertinamas korialiacijos koeficientas.
Koreliacijos koeficientas yra tiesinės priklausomybės tarp dviejų dydţių x, y matas. Nagrinėjamu
atveju x matas atitinka SPI 1 reikšmes, o y matas – HTK reikšmės. Taigi, norint nustatyti ar šie du
dydţiai tarpusavyje susiję, jie pavaizduojami grafiškai ir vizualiai nustatoma, ar egzistuoja taškų
erdvinio išsidėstymo atitinkama tendencija, ar stebima tiktai atsitiktinė taškų variacija. Priklausomai
nuo koreliacijos koeficiento reikšmės nustatomas koreliacijos teigiamas ar neigiamas tiesinis ryšys.
Koreliacijos koeficiento reikšmių skalė pateikiama 3.3 lentelėje.
3.3 lentelė. Koreliacijos koeficiento reikšmių skalė (Sakalauskas, 2003)
labai
stipri stipri vidutinė silpna
labai
silpna
nėra
ryšio
labai
silpna silpna vidutinė stipri
labai
stipri
-1 nuo -1
iki -0,7
nuo -0,7
iki -0,5
nuo -0,5
iki -0,2
nuo -0,2
iki 0 0
nuo 0
iki 0,2
nuo 0,2
iki 0,5
nuo 0,5 iki
0,7
nuo 0,7
iki 1 1
Kuo koreliacijos koeficiento reikšmė arčiau 1 – tuo stipresnis tiesinis ryšys ir atvikščiai, kuo
koreliacijos keoficiento reikšmė arčiau -1, tuo stipresnis neigiamas ryšys. Taigi, jei koreliacija yra
teigiama, tai du dydţius (SPI 1 ir HTK) sieja tiesioginis ryšys, o jei koreliacija neigiama – atvirkštinis
ryšys. Jeigu dviejų kintamųjų koreliacijos koeficientas lygus nuliui, tai kintamieji yra statistiškai
nepriklausomi.
Tikimybinis sausrų pasiskirstymas ir daţnis įvertintas pasitelkiant MS Excel skaičiuoklę ir
statistinės analizės programą EasyFit (3.3 pav.). Taikant šią programą pagal turimų duomenų eiles
tiesiogiai parenkamas tinkamiausias reikšmių pasiskirstymo dėsnis.
24
3.3 pav. EasyFit programos pradinis langas ir skaičiavimų rezultatai (http://www.mathwave.com/easyfitxl-distribution-fitting-excel.html)
Pasirinkus tinkamiausią duomenų pasiskirstymo dėsnį galima apskaičiuoti tikimybinį jų
pasiskirstymą, grafiškai pateikti duomenys padeda interpretuoti gautus rezultatus ir priimti atitinkamas
išvadas.
25
4. TYRIMŲ REZULTATŲ ANALIZĖ IR JŲ APTARIMAS
4.1. Meteorologinių reiškinių stebėsenos tinklas – Lietuvoje ir JAV
4.1.1. Sausrų stebėsenos sistema Jungtinėse Amerikos valstijose
Sukurtas Nacionalinio sausros prevencijos centro (National Drought Mitigation Center), prie
Nebraskos-Linkolno universiteto, bei JAV taikomas interaktyvus įrankis, kurio paskirtis ‒ kaupti,
vertinti ir sudaryti sausros įtakos erdvinius ţemėlapius. Įrankis įdiegtas atsiţvelgus į poreikį duomenų
bazei valdyti, sausrų rizikai prognozuoti ir fiksuoti. Informacija renkama iš visuomenės informavimo ir
kitų viešai prieinamų šaltinių, savanoriškos veiklos pagrindu, vykdoma savanorių, federalinių ir šalies
agentūrų.
Interaktyvus įrankis (4.1 pav.) įdiegtas 2005 m. birţelio mėn. kaip pirmoji nacionalinė, labai
išsami duomenų bazė. 2011 m. rudenį ši sistema atnaujinta ir šiuo metu kaupia detalią informaciją,
prieinamą ne tik mokslininkams bet ir suinteresuotiems visuomenės nariams. Informacija gali būti
apibendrinta, taip pat suteikiamos atskiros detalės.
4.1. pav. Sausrų vertinimo interaktyvus ţemėlapis JAV (Nacionalinis sausrų maţinimo
centras, JAV, 2015) (http://droughtreporter.unl.edu/)
Interaktyviuose ţemėlapiuose informacija renkama ir apibendrinama vertinant šiuos kriterijus:
26
1. Augalų atsparumą sausrai (vegetation drought response index). Ţemėlapiai sudaromi kas dvi
savaites ištisus metus ir atsipinti augalų augimo sąlygas bei jų būklę visoje JAV teritorijoje
2. Nacionalinės meteorologinės tarnybos registruojamų kritulių suvestinių (analizės);
3. Ilgalaikės / trumpalaikės sausros indeksų derinio (4.2 pav.). Trumpalaikės sausros procentilių
ţemėlapis apibendrina su sausra susijusią riziką, kurie pirmiausiai pasireiškia dėl kritulių stygiaus.
Sausros trukmė svyruoja nuo kelių dienų iki kelių mėnesių, yra siejama su gaisrų pavojumi, ţemės ūkio
augalų augimo sąlygomis nedrėkinamose teritorijose, dirvoţemio drėgmės reţimu, nereguliuojamų
vandens tėkmių srautais. Ilgalaikės sausros procentilės atspindi sausros poveikius susijusius su
ilgalaikiais nuokrypiais nuo kritulių normos (pvz, nuo kelių mėnesių iki kelerių metų).
4.2 pav. Skirtingos trukmės sausros indeksų ţemėlapiai
(http://www.cpc.ncep.noaa.gov/products/predictions/tools/edb/droughtblends.php)
4. Savaitinio orų ir augalų biuletenio.
5. Palmerio sausros atšiaurumo indekso (PSDI) (4.3 pav.). Atnaujinamas kiekvieną savaitę
Klimato prognozavimo centro (Climate Prediction Center). Pagrįstas kritulių, oro tempeaturūros ir
daugiamečių stebėjimų. Skaičiuojamas pagal W. C. Palmer„io formulę (1965). Kaip privalumas
išskiriama tai, kad tai skaitmeninė išraiška, skaičiavimai gali būti atliekami praeities laikotarpiui (pagal
stebėjimų eilę). Trūkumas – nespėja „sureaguoti“ į staiga prasidėjusią sausrą, neįvertina sniego dangos.
PSDI – buvo pagrindinis kriterijus sausrai identifikuoti iki sukuriant sausrų prevencijos interaktyvų
įrankį.
27
4.3 pav. Palmerio sausros atšiaurumo indeksas
(http://www.cpc.ncep.noaa.gov/products/analysis_monitoring/regional_monitoring/palmer.gif)
6. Augalų drėgmingumo indeksas. Atnaujinamas kiekvieną savaitę klimato prognozavimo
centre (Climate Prediction Center), yra PSDI išvestinė, sukurtas atspindėti besikeičiančias dirvoţemio
drėgmės sąlygas.
7. Standartizuotas kritulių indeksas (SPI) (4.4 pav.). Gali būti skaičiuojamas skirtingais laiko
ţingsniais, tai sutiekia lanksčios informacijos identifikuojant ilgalaikes (hidrologines) ir trumpalaikes
(ţemės ūkio) sausras.
4.4 pav. 60-ties dienų SPI
8. Procentinis kritulių nuokrypis. Skaičiuojamas 30 ir 90 praėjusio laikotarpio dienų trukmei,
atnaujinamas kasdien.
9. Hidrologiniai stebėjimai (4.5 pav.). JAV geologijos tarnyba kasdien atnaujina hidrologinius
(nuotėkio) ţemėlapius, pagal atliekamus matavimus stebėjimų stotyse. Spalviškai išskiriamas
nuokrypis nuo normos. Skaičiavimai atliekami tik remiantis duomenimis tų stočių, kuriose duomenų
eilė ne trumpesnė negu 30 metų.
28
4.5 pav. Hidrologinių stebėjimų informacijos portalas (http://waterwatch.usgs.gov/)
10. Nuotėkio pritekėjimas iš kalnuotų vietovių (dėl sniego dangos). Kiekvieną mėnesį
skirtingos tarnybos atnaujina informaciją susijusią su padidėjusiu nuotėkiu iš kalvotų vietovių dėl
sniego dangos tirpsmo.
11. Viršutinio (15 cm) dirvos sluoksnio drėgmė. Pateikiami trys ţemėlapiai – faktinis,
palyginamasis faktinis bei 5 ir 10 metų vidurkiai (4.6 pav.).
4.6 pav. Viršutinio dirvos sluoksnio drėgmė
(http://www.cpc.ncep.noaa.gov/products/monitoring_and_data/5yrcomp.gif)
12. JAV ir pasaulio dirvoţemio drėgmės atsargos.
13. Duomenys atspindintys augalų būklę (STAR ‒ Global Vegetation Health Products).
Interaktyvus portalas kuriame talpinami duomenys susiję su augalų dangos būkle ir kt. informacija
29
susijusia su augalų augimo būkle pasaulyje. Yra informacijos langai su Lietuvos teritorija ir jos
auglinės dangos būklės pokyčiais (4.7 pav.).
4.7 pav. Augalų būklės informacinė sistema (Mokslinių tyrimų ir palydovų mokslinis
centas) (http://www.star.nesdis.noaa.gov/smcd/emb/vci/VH/vh_gmap4km.php )
14. Gaisringumo ţemėlapiai. Taikomi norint įvertinti gaisrų rizikos pavojų. Ţemėlapiai
sudaromi įvertinant praėjusio laikotarpio orų sąlygas.
JAV taikoma išsami/ aprėpianti daugelį meteorologinių, dirvoţemio drėgmės, augalų būklės
stebėjimo sistema leidţianti operatyviai reaguoti į esamą situaciją bei prognozuoti galimus sausros
įvykius. Į šią stebėjimo sistemą tiesiogiai įsitraukia šalies ūkininkai, kuomet savo pasėlių laukuose stebi
esančią situaciją ir elektroniniu būdu teikia duomenis apie pasėlių būklę, kritulių kiekį, dirvoţemio
drėgmę, nuostolių dydţius, kuriuos jie patiria dėl susiklosčiusių meteorologinių reiškinių.
1.4.2. Meteorologinių reiškinių stebėsenos sistema Lietuvoje
Centrinio meteorologinių duomenų valdymo centro funkciją Lietuvoje teikia Lietuvos
hidrometeorologijos tarnyba prie Aplinkos ministerijos. Jos tikslas – teikti patikimą meteorologinę ir
hidrologinę informaciją, reikalingą Lietuvos nacionalinėms reikmėms ir valstybės tarptautiniams
įsipareigojimams vykdyti maţinant neigiamą nepalankių hidrometeorologinių sąlygų poveikį aplinkai
ir ţmogui (Tarnybos..., 2015).
Hidrometeorologijos tarnyba teikia šias paslaugas:
1. Kasdieninės orų prognozės. Prognozės sudaromos kiekvieną penktadienį remiantis
Europos vidutinės trukmės orų prognozių centro (ECMWF) duomenimis. Šie duomenys apima
kritulius, temperatūrą, debesuotumą, vėjo ir gūsių duomenis bei matomumą (4.8 pav).
30
2. Pavojingų reiškinių duomenų sisteminimas ir ţemėlapis. Sistema sukurta įgyvendinant
projektą „Stichinių gamtos reiškinių išankstinės perspėjimo sistemos sukūrimas ir įdiegimas“,
finansuojamą Norvegijos finansinio mechanizmo ir Lietuvos Respublikos valstybės biudţeto lėšomis.
3. Radarų informacija. Meteorologinis radaras yra skirtas krituliams stebėti, jų fazės,
kiekio, judėjimo greičio apskaičiavimui bei labai maţos trukmės orų prognozėms sudaryti (4.9 pav.).
4. Palydovo informacijos pateikimo ţemėlapiai.
4.8 pav. Skaitmeninės orų prognozės ţemėlapis. LHMT, 2015
(http://meteo.lt/skaitmenine_prog_lt_zem.php)
5. Ţaibų išlydţių informacija. Antţeminė ţaibų aptikimo sistema registruoja ţaibų sukeltas
ţemo daţnio elektromagnetines (radio) bangas ir remiantis trianguliacijos principu nustato ţaibo
išlydţio vietą ir laiką.
4.9 pav. Meteorologinių radarų informacija. LHMT, 2015 (http://meteo.lt/radaro_inf.php)
31
6. Hidrologinės informacijos teikimas.
7. Miškų gaisringumo ţemėlapiai.
8. UVI prognozės sudarymas. UV indeksas – tai paprasta ir lengvai suprantama priemonė UV
spinduliuotės intensyvumui įvertinti. UV Indekso reikšmės grupuojamos į kategorijas ir lemia apsaugos
nuo saulės reikalingumo laipsnį (LHMT, 2015).
Meteorologinių stebėjimų sistemos Lietuvoje ir sausrų stebėsenos sistemos JAV palyginimas
pateiktas 4.1 lentelėje.
4.1 lentelė. Stebėjimų sistemų Lietuvoje ir JAV palyginimas.
LIETUVA
JAV
Ka
sdie
nin
ės
orų
pro
gn
ozė
s.
Pa
vo
jin
gų
reiš
kin
ių
du
om
enų
sist
emin
ima
s
Ra
da
rų
info
rma
cija
Pa
lyd
ov
o
info
rma
cijo
s
pa
teik
imo
ţem
ėla
pia
i.
Ţa
ibų
išl
yd
ţių
info
rma
cija
Hid
rolo
gin
ės
info
rma
cijo
s
teik
ima
s
Miš
kų
ga
isri
ng
um
o
ţem
ėla
pia
i
UV
I p
rog
no
zės
sud
ary
ma
s
Augalų atsparumas sausrai
Kritulių suvestinių analizė
Ilgalaikės/ trumpalaikės sausros
indeksų derinio ţemėlapiai
Savaitiniai orai
Palmerio sausros atšiaurumo
indeksas
Klimato prognozavimas
Augalų drėgmingumo indeksas
Standartizuotas kritulių
indeksas
Procentinis kritulių nuokrypis
Hidrologiniai stebėjimai
Nuotėkio pritekėjimas iš
kalnuotų vietovių
Viršutinio dirvos sluoksnio
drėgmė
JAV ir pasaulio dirvoţemio
drėgmės atsargos
Duomenys apie augalų būklė
Gaisringumo ţemėlapiai
Pastaba: žalia – taikoma tik LT, rausva – JAV, raudona iš dalies sutampantys stebėjimo rodikliai.
Lyginant duomenis akivaizdţiai pastebimi skirtumai ir panašumai tarp dviejų skirtingų šalių
stebėsenos sistemos pavyzdţių. Uţ Atlanto sausrų stebėsenos sistema plačiai pritaikoma, yra sukurta
interaktyvių ţemėlapių, kurie vizualiai perteikia nuolat kintančius stebėjimų duomenis. Augalų būklės
informacinėje sistemoje talpinama susijusi su augalų augimo būkle pasaulyje. Šioje sistemoje yra
LIETUVA
JAV
32
informacijos langai susiję su Lietuvos teritorija ir jos augalinės dangos būklės pokyčiais, todėl galima
sakyti, kad Lietuva pamaţu įsitraukia į vieningą stebėsenos tinklą.
Aptartos meteorologinių reiškinių stebėjimo sistemos turi ir panašumų ir skirtumų. Interaktyvūs
ţemėlapiai daţnai teikia informaciją apie kritulius temperatūrą, hidrologinę informaciją ir kitus
kasdieninius reiškinius. JAV pavyzdys parodė, jog šios šalies duomenų bazė sėkmingai išplėtota, turinti
vieningą reiškinių vertinimo sistemą, pasitelkianti atitinkamus indeksus. Lietuvoje trūksta informacijos
apie laisvai prieinamus dirvoţemio drėgmės duomenis, tokių duomenų atvaizdavimą interaktyviuose
ţemėlapiuose. Nors Lietuva turi teritoriškai pritaikytą drėgmingumo įvertinimo indeksą HTK, tačiau
šių duomenų vizualizacijos skaitmeniniuose ţemėlapiuose nėra. Nors Lietuva perteklinio patenką į
perteklinio dirvoţemio drėkinimo zoną, daugiamečių stebėjimų duomenys rodo, jog sausros artimu
laiku taps neišvengiamos.
4.2. Standartizuoto kritulių indekso taikymas sausrų identifikavimui
Nuo SPI laiko ţingsnio labai priklauso gauti rezultatai bei jų interpretacija. Atliekant SPI
duomenų analizę skaičiavimuose taikytas 1 mėn. trukmės laiko ţingsnis, kaip geriausiai atspindintis
vegetacijos laikotarpio sausringumą. Skaičiavimai atlikti pagal Kauno ir Telšių MS 1982-2014
vegetacijos laikotarpio mėnesių kritulių duomenis.
Analizuojamojo laikotarpio SPI 1 skaičiavimų rezultatai Kauno MS duomenimis pateikti 4.10
paveiksle
4.10 pav. SPI 1 reikšmių kaita Kaune, 1982 – 2014 m.
-3,5
-3
-2,5
-2
-1,5
-1
-0,5
0
0,5
1
1,5
2
2,5
3
198
2
198
4
198
6
198
8
199
0
199
2
199
4
199
6
199
8
200
0
200
2
200
4
200
6
200
8
201
0
201
2
201
4
SP
I 1
Metai
Kaunas
33
Atlikus SPI 1 duomenų analizę Kaune, nustatyta, jog analizuojamu 32 metų laikotarpiu
skirtingo laipsnio sausringi laikotarpiai sudarė 14,54 % (ekstremaliai sausi – 2,42 %, labai sausi – 6,06
%, vidutiniškai sausi – 6,06 %) viso nagrinėjamo laikotarpio trukmės, o skirtingo laipsnio drėgni
laikotarpiai sudarė 85,46 % (ekstremaliai drėgni – 0,7 %, labai drėgni – 4,25 %, vidutiniškai drėgni –
10,9 %, artimi normalioms drėkinimo sąlygoms – 69,7 %) nuo viso nagrinėjamo laikotarpio trukmės.
Ekstremaliai sausų laikotarpių buvo 4 kartus daugiau negu ekstremaliai drėgnų. 1982-2014 metais
uţfiksuota 4 ekstremaliai sausi mėnesiai. Didţiausia reikšmė apskaičiuota 1992 m. birţelio mėnesį, kai
SPI 1= -3,19. Ekstremaliai drėgnų atvejų, tiriamuoju laikotarpiu, nustatytas tik 1 atvejis. Drėgniausias
mėnuo apskaičiuotas1993 m. liepos mėnesį, kai SPI 1 = 2,25.
Analogiškai atliktais skaičiavimais gauname SPI 1 skaičiavimų rezultatus Telšių MS
duomenimis (4.11 pav.).
Telšių tyrimų objekte gauti rezultatai rodo, jog analizuojamu 32 metų laikotarpiu skirtingo
laipsnio sausringi laikotarpiai sudarė 15,76 % (ekstremaliai sausi – 3,03 %, labai sausi – 3,64 %,
vidutiniškai sausi – 9,09 %) viso nagrinėjamo laikotarpio trukmės, o skirtingo laipsnio drėgni
laikotarpiai sudarė 84,23 % (ekstremaliai drėgni – 1,21 %, labai drėgni – 5,45 %, vidutiniškai drėgni –
12,12 %, artimi normalioms drėkinimo sąlygoms – 65,45 %).
4.11 pav. SPI 1 reikšmių kaita Telšiuose, 1982 – 2014 m.
Ekstremaliai sausų laikotarpių buvo 5, t. y. vienu mėnesiu daugiau nei Kaune. Didţiausia SPI
reikšmė, rodanti ekstremaliai sausą laikotarpį, nustatyta 2002 m. rugpjūčio mėnesį – SPI = -3,38.
-3,5
-3
-2,5
-2
-1,5
-1
-0,5
0
0,5
1
1,5
2
2,5
3
198
2
198
4
198
6
198
8
199
0
199
2
199
4
199
6
199
8
200
0
200
2
200
4
200
6
200
8
201
0
201
2
201
4
SP
I1
Metai
Telšiai
34
Ekstremaliai drėgnų atvejų tiriamuoju laikotarpiu nustatyta 2 mėn., t.y. vienu drėgnu mėnesiu daugiau
nei Kauno tyrimų objekte. Drėgniausias mėnesis identifikuotas 2001 birţelio mėnesį.
Lyginant gautus rezultatus dviejuose skirtinguose tyrimų objektuose matyti, jog sausi ir drėgni
laikotarpiai fiksuojami skirtigais laikotarpiais. Galima daryti prielaidą, jog net ir tokioje maţoje
teritorijoje kaip Lietuva skirtingos klimatinės sąlygos atskiruose regionuose įtakoja nevienodą
duomenų pasiskirstymą ir interpretavimą.
Skirtingų (Kauno ir Telšių) Lietuvos agroklimatinių rajonų SPI 1 apibendrinimas pateiktas 4.2
lentelėje.
4.2 lentelė. Kauno ir Telšių teritorijoje apskaičiuotų SPI 1 reikšmių apibendrinimas
SPI 1 Kaunas Telšiai
≥ 2, 0 1 2
1,5 – 1,99 7 9
1,0 – 1,49 18 20
- 0,99 - + 0.99 115 108
-1,0 – (-1,49) 10 15
-1,5 – (-1,99) 10 6
≤- 2,0 4 5
Abiejuose nagrinėjamose teritorijose 1982 – 2014 metų laikotarpiu vyravo artimos normaliam
drėkinimui sąlygos (-0,99 – 0,99). Įvairaus intensyvumo drėgni ir sausi mėnesiai pasiskirstę skirtingai,
dėl netolygaus kritulių pasiskirstymo Telšių ir Kauno klimatiniuose rajonuose.
4.3. Tyrimų laikotarpio vertinimas pagal HTK
Taikant G. Selianinovo hidroterminį koeficientą sausrų identifikavimui 1996-2014 metais,
nustatytos vegetacijos laikotarpio (geguţės – rugsėjo mėn.) HTK reikšmės Telšių ir Kauno MS
duomenimis. Vasaros mėnesiai pasirinkti dėl to, kad tuomet sausros yra pavojingiausios, be to HTK,
kaip jau minėta, gali būti apskaičiuojamas tik tiems mėnesiams, kai oro temperatūra didesnė kaip 10
oC.
HTK koeficiento dinamika ir tendencijos Telšiuose (2009-2014m.) pavieniais metais
pavaizduoti 4.12 pav. HTK reikšmės kinta nuo 1,54 (2012 m.) iki 2,05 (2011 m.). Bendra tendencija
yra ţemėjanti, kas rodo, jog nagrinėjamu 5 metų laikotarpiu šlapius metus keitė pakankamai drėgni
metai. Vertinant pavienių metų drėgmingumo pasiskirstymą pagal HTK nustatyta, jog pakankamai
drėgnų metų buvo 33, 3 %, o šlapių metų 66,7 % viso tiriamojo laikotarpio. Pakankamai drėgni buvo
2013 m. ir 2014 m., šlapi buvo 2009, 2010, 2011 bei 2012 m. (4.12 pav.).
35
4.12 pav. Hidroterminio koeficiento (HTK) reikšmės, Telšių MS 2009–2014 m.
HTK koeficiento dinamika ir tendencijos Kaune (1996-2012 m.) pavieniais metais pavaizduoti
4.13 pav. HTK reikšmės kinta nuo 0,90 (1999 m.) iki 1,98 (2010 m.). Bendra tendencija yra kylanti, kas
rodo, jog nagrinėjamu 17 metų laikotarpiu šlapių metų daugėjo. Vertinant pavienių metų sausringumą
nustatyta, jog nepakankamai drėgnų metų buvo 11,76 %, pakankamai drėgnų – 47,06 %, šlapių – 41,18
%.
4.13 pav. Hidroterminio koeficiento (HTK) reikšmės, Kauno MS 1996–2014 m.
1,63 1,63
2,05
1,54 1,43 1,5
y = -0,05x + 1,8045
R² = 0,1812
0,00
0,50
1,00
1,50
2,00
2,50
2009 2010 2011 2012 2013 2014
HTK Labai sausa Šlapia Tendencija
1,35 1,48 1,48
0,90
1,57 1,67
0,91
1,30
1,62
1,88
1,74 1,87
1,19
1,50
1,98
1,74
1,56
1,40 1,50
0,00
0,50
1,00
1,50
2,00
2,50
1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014
HT
K r
eik
šmė
Metai
HTK Labai sausa Šlapia Slankiojo penkmečio vidurkis
36
Pakankamai drėgni buvo 1996-1998 m., 2003, 2008, 2009, 2013, 2014 m., šlapi buvo 2000-
2001 m., 2004-2007 m., 2010-2012 m., (4.13 pav.). Nepakankamai drėgna buvo 1999 ir 2002 m.
Norint įvertinti augalų aprūpinimą vandeniu neuţtenka įvertinti viso laikotarpio metinio
sausringumo, nes dėl netolygaus kritulių pasiskirstymo, drėgnumo laipsnis atskirais mėnesiais labai
kinta. Todėl tolimesnių skaičiavimų metu nustatytos Kauno MS HTK reikšmės atskiriems mėnesiams
(4.14 pav.).
4.14 paveiksle pavaizduota atskirų vegetacijos laikotarpio mėnesių HTK kaita akivaizdţiai
patvirtina didelę svyravimų amplitudę. HTK reikšmės Kauno MS duomenis kinta nuo 0,22 (2002 m. 08
mėn.) iki 3,03 (2004 m. 05 mėn.) Vertinant atskirų mėnesių HTK tendencijas, pastebimas
drėgmingumo didėjimas birţelio, liepos ir rugpjūčio mėnesiais, o geguţės ir rugsėjų mėnesių HTK
reikšmių tendencija maţėjanti. Atskirais metais (priklausomai nuo iškritusių kritulių ir oro
temperatūros) HTK didţiausi svyravimai buvo rugpjūčio mėn., o maţiausi– rugsėjo mėn. Labai sausų ir
sausų mėnesių Kauno MS uţfiksuota 4, o sausringi mėnesiai nustatyti 3. Nepakankamai drėgnų
mėnesių buvo 8. Penkerių metų vidurkis geguţės ir rugpjūčio mėnesiais buvo didesnis nei 1,5, kas
parodo, jog nagrinėjamu laikotarpiu vyravo perteklinio drėkinimo sąlygos.
Nagrinėjant procentinį mėnesių pasiskirstymą, įvairaus atšiaurumo sausringi mėnesiai sudaro
32,8 % ( labai sausų mėnesi – 2,1 %, sausi – 2,1 %, sausringi – 6,32 %, nepakankamai dregni - 10,53
%). Drėgnų mėnesių, visu nagrinėjamu laikotarpiu nustatyta 78,95 % (pakankamai drėgni – 28,42 %,
šlapi – 50,53 %) nuo viso nagrinėjamų mėnesių skaičiaus.
1,96 2,60
1,02 1,41
2,68
1,76
0,66 1,22
3,03 3,03
2,17 2,80
0,93 1,10
2,30
1,00 1,00 1
1,7
0,00
2,00
4,00
1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014HT
K r
eik
šmė
Gegužė
1,42 1,56 1,18
0,68
2,36
1,11
1,85
1,23 1,52
1,77
0,37
1,32 1,72
2,20 2,60
0,80
1,80 1,4 1,5
0,00
1,00
2,00
3,00
1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014HT
K r
eik
šmė Birželis
37
4.14 pav. Koeficiento HTK kaita geguţės − rugsėjo mėn. per 1996-2014 m. laikotarpį Kauno MS
Apibendrinus visus šiuos mėnesius (4.14 pav.), matome, kad net ir metais, kurių visas
vegetacijos laikotarpis (4.13 pav.) apibūdinamas kaip šlapias (2000 m., 2001 m., 2004-2005 m., 2007
m., 2009-2012 m, 2014 m.) buvo nepakankamai drėgnų mėnesių, tačiau tvirtinti, kad šiais laikotarpiais
augalams trūko drėgmės negalima, nes būtina atsiţvelgti į prieš tai buvusio mėnesio drėgnumo laipsnį.
Jeigu mėnuo prieš sausringą mėnesį buvo šlapias, tai labai didelė tikimybė, kad sunkesnės
granuliometrinės sudėties dirvoţemiuose yra sukauptos gana didelės drėgmės atsargos, kurios
skaičiuojant HTK nėra vertinamos. Pavasarį dirvoţemio drėgmės atsargos sudaro nuo 80 mm
(priesmėlio dirvoţemiuose) iki 130 mm (molio dirvoţemiuose) (Dirsė, 2001).
1999 metai pagal HTK vertinami kaip nepakankamai drėgni metai, tačiau ţiūrint mėnesinių
reikšmių pasiskirstymą matyti, jog šių metų geguţę buvo pakankamai drėgna, birţelį ir rugsėjį –
sausringa, liepą – sausa, o rugpjūtį - šlapia. 2008 metai vertinami kaip pakankamai drėgni, tačiau
1,83
1,10
2,34
0,49
1,16
2,21
0,84
1,90 1,53
0,77 1,09
2,80
0,77
1,50 1,60
2,20 2,30
1,2 1,6
0,00
1,00
2,00
3,00
1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014
HT
K r
eik
šmė
Liepa
0,30 0,76
1,83 1,65
0,73 0,99
0,22
1,01
1,76
2,70 3,00
1,37 1,79
0,90
1,70
2,80
1,60 1,9
1,2
0,00
1,00
2,00
3,00
4,00
1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014
HT
K r
eik
šmė
Rugpjūtis
2,37 2,59
0,66 0,69 0,90
2,37
1,34
0,83
1,79
1,14
2,05
1,08 0,74
1,80 1,70 1,90
1,10 1,40
1,60
0,00
1,00
2,00
3,00
1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014HT
K r
eik
šmė
Metai
Rugsėjis
HTK Labai sausa Šlapia Slankiojo penkmečio vidurkis
38
mėnesinių reikšmių pasiskirstymas nevienodas: geguţę, liepą ir rugsėjį – nepakankamai drėgna, birţelį
ir rugpjūtį – šlapia.
4.4. Sausrų vertinimo palyginamoji analizė pasitelkus SPI 1 ir HTK
Ţinant, jog Lietuvoje vegetacijos metu pagrindinis drėgmės šaltinis yra atmosferos krituliai,
galima teigti, jog pagal jų kiekį sprendţiama apie vieno ar kito laikotarpio sausringumą. SPI
skaičiavimas pagrįstas kritulių kiekiu, todėl pagrindinis klausimas yra ar šio indekso taikymas pagrįstas
ţemės ūkio sausrai identifikuoti.
Nagrinėjant, kaip tarpusavyje koreliuoja SPI 1 ir HTK apskaičiuotos reikšmės, nustatoma ar šios
abi skaičiavimo metodikos turi tarpusavio ryšį ir gali būti viena kitai prilyginamos. Reikia paţymėti,
kad palyginimą apsunkina skirtinga sausringumo vertinimo skalė. SPI vertinamas pagal septynias
reikšmių interpretavimo skales, o HTK – pagal šešias. Taip pat SPI neįvertina aktyviosios vegetacijos
laikotarpio pradţios. Nustatyta, jog tiriamuoju laikotarpiu Kaune anksčiausiai vegetacijos laikotarpis
prasidėjo 2008 m. kovo paskutiniosiomis dienomis, o tai bent 5 – 10 dienų anksčiau negu vidutiniais
daugiamečiais terminais. Renkant duomenis iš meteorologinių biuletenių nustatyta, kad iki 2005 m.
pastebima vegetacijos laikotarpio pradţia – balandţio mėnesio antrajame dešimtadienyje. Ankstyvosios
vegetacijos pradţios metai taip pat buvo 2004, 2005 bei 2009 m., kai vegetacijos pradţia uţfiksuota
balandţio pirmajame dešimtadienyje. Kitais tiriamojo laikotarpio metais vegetacijos laikotarpio pradţia
atitiko vidutines daugiametes datas.
SPI ir HTK 1996-2014 m. reikšmių (Kauno stotis) sugretinimas pateiktas lentelėje (4.3 lent.).
4.3 lentelė. Metinės sausringumo koeficientų reikšmės analizuojamu (1996-2014 m.) laikotarpiu
Kauno MS
Metai Sausringumo koeficientas (geguţė – rugsėjis)
SPI 1 HTK
1996 -0,25 Artima normaliam 1,35 Pakankamai drėgna
1997 0,15 Artima normaliam 1,48 Pakankamai drėgna
1998 -0,18 Artima normaliam 1,48 Pakankamai drėgna
1999 -0,66 Artima normaliam 0,90 Nepakankamai drėgna
2000 -0,38 Artima normaliam 1,57 Šlapia
2001 -0,14 Artima normaliam 1,67 Šlapia
2002 -0,67 Artima normaliam 0,91 Nepakankamai drėgna
2003 0,11 Artima normaliam 1,30 Pakankamai drėgna
2004 -0,15 Artima normaliam 1,73 Šlapia
2005 0,29 Artima normaliam 1,87 Šlapia
2006 0,25 Artima normaliam 1,78 Šlapia
2007 0,64 Artima normaliam 1,90 Šlapia
39
2008 -0,34 Artima normaliam 1,21 Pakankamai drėgna
2009 0,07 Artima normaliam 1,50 Pakankamai drėgna
2010 1,12 Vidutiniškai drėgna 1,98 Šlapia
2011 0,56 Artima normaliam 1,74 Šlapia
2012 0,44 Artima normaliam 1,56 Šlapia
2013 0,42 Artima normaliam 1,4 Pakankamai drėgna
2014 0,06 Artima normaliam 1,5 Pakankamai drėgna
Apibendrinus lentelės duomenis, matyti, jog tų pačių metų vegetacijos laikotarpio sausringumo
vertinimas daugeliu atvejų nesutampa. Pagal SPI 1 daugiausiai buvo artimų normaliam drėkinimui
metų, o pagal HTK – šlapių metų (4.15 pav.). Pastebima tendencija, jog tais metais kuomet SPI 1
identifikuoja artimus normaliam(optimaliam) sausringumui metus, HTK – nurodo, jog tai šlapi metai.
4.15 pav. Geguţės – rugsėjo sausringumo vertinimo pagal HTK ir SPI 1 procentinis
pasiskirstymas
Nagrinėjant augalų aprūpinimą vandeniu, pravartu įvertinti mėnesio drėgmės sąlygas, nes pagal
tai galima spręsti apie drėgmės trūkumą ar jos perteklių augalams. Tam tikslui palygintos atskirų
mėnesių Kauno vietovės sausringumo sąlygos, įvertinant jas pagal SPI 1 ir HTK.
Apibendrinus 85 mėnesių sausringumo vertinimo duomenis, didţioji dalis mėnesių vertinama
skirtingai. Pagal HTK, sausų ir nepakankamai drėgnų mėnesių buvo 20, pakankamai drėgnų – 21,
šlapių – 44, o pagal SPI 1 – ekstremaliai sausų, labai sausų ir vidutiniškai sausų mėnesių buvo 7, artimų
normaliam drėkinimui mėnesių – 65, vidutiniškai drėgnų ir labai drėgnų mėnesių – 12. Galima daryti
prielaidą, jog dalis tų mėnesių, kurie pagal SPI 1 buvo vertinami kaip artimi normaliam drėgmingumui,
pagal HTK jau vertinami kaip šlapi. Tokių atvejų nustatyta 28. Dar 20 atvejų gaunamas toks atitikimas:
kai SPI 1 mėnesį vertina kaip artimą normaliam drėkinimui, HTK – kaip pakankamai (vidutiniškai)
drėgną. Rezultatų procentinis pasiskirstymas pagal abu koeficientus matomas 4.16 paveiksle.
40
4.16 pav. Pagal SPI 1 ir HTK vertintų šlapių, sausų, vidutinio drėgnumo, artimo normaliam
drėkinimui mėnesių pasiskirstymas (%)
Detaliau išanalizavus gautus duomenis net 67 atvejais iš 85 (79 %) tų pačių laikotarpių
vertinimo koeficientai nesutampa. Neatsiţvelgiant į aktyviosios vegetacijos pradţią kiekvienais metais,
sudėtinga nustatyti, kuris koeficientas yra tikslesnis, tačiau palyginus su mėnesio krituliais pastebima
tendencija, kad HTK koeficientas yra linkęs pervertinti šlapius laikotarpius, kurie kai kuriais mėnesiais
galėtų būti vertinami kaip pakankamai (vidutiniškai) drėgni mėnesiai. SPI taikymas agrometerologinei
sausrai identifikuoti Lietuvoje šiuo laikotarpiu nėra naudojamas, nes įstatyminiuose aktuose numatyta,
jog tinkamiausias mūsų Respublikos klimatinėms sąlygoms iki šiol yra HTK. SPI labiau tinkamas
meteorologinei sausrai identifikuoti, nes agrometeorologinė sausra gali prasidėti mėnesio viduryje ar
pabaigoje, be to jis fiksuoja maţiausiai mėnesio laikotarpio sausros trukmę bei neįvertina aktyviosios
vegetacijos laikotarpio pradţios. Vegetacijos laikotarpis prasideda kuomet vidutinė paros oro
temperatūra būna aukštesnė nei 5 oC ir tai trunka daugiau kaip tris paras iš eilės. Dėl šių prieţaščių,
vegetacijos laikotarpio sausroms identifikuoti, daţniausiai taikomas HTK koeficientas.
Norint įvertinti rezultatų statistinę priklausomybę ir skalės atitikimą nustatyta SPI 1 ir HTK
reikšmių koreliacija. Kaip matyti iš 4.17 pav. tarp nagrinėjamų indeksų koreliacija yra stipri, tačiau
sausringumo įvertinimas pagal HTK skriasi nuo vertinimo pagal SPI 1. Pagal priklausomybę matyti,
kad pagal SPI 1 esant drėgnam mėnesiui, pagal HTK jis daţnai vertinamas kaip šlapias.
41
4.17 pav. SPI 1 ir HTK priklausomybiniai ryšiai atskirų mėnesių laikotarpiais Kauno MS 1996 –
2014 m.
Diagramoje atsispindi aiški tendencija, jog tankiausiai taškai išsidėstę ties tomis reikšmėmis,
kurios apibūdinamos kaip šlapiasis ar vidutiniškai drėgnas laikotarpis, o didėjant reikšmių skalei, taškų
diapazonas retėja. Nagrinėjant koreliacinę priklausomybę galima išskirti SPI ir HTK skalės nesutapimą
drėgnuoju vegetacijos laikotarpiu, kadangi SPI 1 reikšmė didesnė uţ 1 ir HTK reikšmė nuo didesnė uţ
1,5 atspindi vidutiniškai drėgną laikotarpį, tad jos turėtų aptpindėti tą patį sausringumo vertinimą, t.y.
duomenų masyvą. Tačiau pagal tiesinę regresinę lygtį SPI 1 reikšmės nuo 1,0 iki 1,5 pagal HTK
atitinka 2 – 2,3. Ir atvirkščiai HTK reikšmės nuo 1 iki 1,5 (šlapia) atitinka SPI reikšmes nuo -1 iki 0,
kurios pagal SPI 1 yra priskiriamos artimoms normaliam drėgmingumui. Analogiška situacija yra su
šlapių laikotarpių vertinimu, kai pagal HTK esant reikšmei didesnei uţ 1,5 vegetacijos laikotarpis yra
šlapias, ir pagal teisinės regresijos lygtį gaunama SPI 1 reikšmė lygi 0 (artima normaliam).
Rezultatai pateikti lentelėje (4.4 lent.) parodo, jog SPI labiau tinkamas meteorologinei sausrai
identifikuoti.
y = 0,5871x + 1,5349
R² = 0,5372
r=0,73
0,00
0,50
1,00
1,50
2,00
2,50
3,00
3,50
-2,5 -2 -1,5 -1 -0,5 0 0,5 1 1,5 2 2,5
HT
K
SPI 1
Kaunas
42
4.4 lentelė. SPI 1 ir HTK reikšmių atitikimas
SPI HTK SPI HTK SPI HTK SPI HTK SPI HTK
-3 - -2 0,45 -1 0,9 0 1,53 1 2,2
-2,9 0 -1,9 0,47 -0,9 0,92 0,1 1,54 1,1 2,25
-2,8 0,1 -1,8 0,49 -0,8 0,98 0,2 1,55 1,2 2,3
-2,7 0,15 -1,7 0,51 -0,7 1 0,3 1,56 1,3 2,35
-2,6 0,2 -1,6 0,53 -0,6 1,3 0,4 1,57 1,4 2,2
-2,5 0,25 -1,5 0,55 -0,5 1,35 0,5 1,58 1,5 2,45
-2,4 0,3 -1,4 0,57 -0,4 1,4 0,6 1,59 1,6 2,5
-2,3 0,35 -1,3 0,59 -0,3 1,45 0,7 1,82 1,7 2,55
-2,2 0,4 -1,2 0,68 -0,2 1,5 0,8 2 1,8 2,6
-2,1 0,43 -1,1 0,7 -0,1 1,52 0,9 2,15 1,9 2,65
2 2,7
Pastabos:
Ekstremaliai/labai sausa
Labai sausa/sausa
Vidutiniškai sausa/sausringa
Artima normaliam/nepakankamai drėgna
Vidutiniškai drėgna/pakankamai drėgna
Labai drėgna/šlapia
Svarbu lyginant šiuos du indeksus – skaičiavimų sudėtingumas. Hidroterminio koeficiento
taikymas nesudėtingas, tačiau bet koks skaičiavimo proceso supaprastinimas iškreipia gaunamus
rezultatus, t.y. gaunamos didesnės paklaidos. Šių dviejų indeksų reikšmių skalės skiriasi, dėl to tenka
interpretuoti konkrečių reikšmių atitikimą pagal vieną ar kitą kriterijų. Nustatyta, kad pagal HTK-0,3
(labai sausa) atitinka SPI – -2,4 (ekstremaliai sausa); HTK-0,6-0,7 (sausringa atitinka SPI – -1,2
(vidutiniškai sausa); HTK-0,8-1,0 (nepakankamai drėgna) SPI - -1,0 (vidutiniškai sausa). Galima teigti,
kad sausringojo laikotarpio vertimas sutampa.
4.5. Tikimybinis sausrų vertinimas pagal SPI 1
Atlikus SPI 1 analizę Kauno MS duomenimis, analizuojamu laikotarpiu (1982 – 2014 m),
nustatyta, jog pagal SPI 1 laiko ţingsnį, buvo fiksuota 2,5 % viso laikotarpio kaip ekstremaliai sausi,
6,3 % labai sausi, 5,6 % vidutiniškai sausi. Apibendrintai pagal SPI 1 nustatyta, kad analizuojamu 32
metų laikotarpį skirtingo laipsnio sausringi laikotarpiai sudarė 14,4 % viso nagrinėjamo laikotarpio
trukmės. Ekstremaliai drėgnų reikšmių nustatyta tik 0,6 %, labai drėgni mėnesiai sudarė 4,4 %,
vidutiniško drėgnumo mėnesių nustatyta 10,6 % arba apibendrinus 32 metų laikotarpį skirtingo laipsnio
43
drėgni laikotarpiai sudarė 15,6 % viso nagrinėjamo laikotarpio trukmės. Artima normaliam drėkinimui
nustatyta 70 % atvejų.
Pasitelkus EasyFit programą gaunamas toks tikimybinis reikšmių pasiskirstymo grafikas (4.18
pav.).
4.18 pav. SPI 1 reikšmių pasiskirstymo grafikas pagal Kauno MS duomenis 1982-2014 m.
Kaip matyti 4.18 paveiksle, SPI 1 reikšmių kreivė yra simetriška, duomenys pasiskirstę pagal
normalųjį skirstinį. Pasitelkus MS Excel skaičiuoklę ir taikant statistinės analizės metodus gaunama
tikimybinė SPI 1 kreivė (4.19 pav.).
4.19 pav. Tikimybinė SPI 1 kreivė pagal Kauno MS.
-3,5
-3
-2,5
-2
-1,5
-1
-0,5
0
0,5
1
1,5
2
2,5
3
0,00 10,00 20,00 30,00 40,00 50,00 60,00 70,00 80,00 90,00 100,00
SP
I1
Įvykio pasikartojimo tikimybė, %
44
Atlikus tikimybinę sausrų pasiskirstymo analizę gauti šie parametrai: T – įvykių pasikartojimų
skaičiaus tiriamuoju laikotarpiu parametras, P – įvykio tikimybinis parametras, esant 95 %
patikimumui bei SPI 1 reikšmės (4.5 lentelė).
4.5 lentelė. SPI 1 reikšmės esant skirtingoms tikimybėms Kauno MS duomenimis
P, % 5 10 25 50 75 95 99
SPI 1 -1,84 -1,35 -0,62 0,05 0,76 1,53 2,25
P, % 3,0 7,8 14,5 47,6 83,7 95,18 96,4
SPI -2,0 -1,5 -1,0 0 1,0 1,5 2,0
Kaip matyti 4.5 lentelėje esant skirtingam sausros laipsniui yra skirtinga tikimybė. Pagal SPI 1
tikimybė vidutiniškai sausam laikotarpiui – 14,5%, labai sausam laikotarpiui – 7,8 %, ekstremaliai
sausringam – 3 %.
Atlikus SPI 1 analizę Telšių MS duomenimis, analizuojamu laikotarpiu (1982 – 2014 m), buvo
nustatyta, jog pagal SPI 1 laiko ţingsnį, buvo fiksuota 3,03 % viso laikotarpio kaip ekstremaliai sausi,
3,03 % labai sausi, 9,69 % vidutiniškai sausi. Apibendrintai pagal SPI 1 nustatyta, kad analizuojamu 32
metų laikotarpį skirtingo laipsnio sausringi laikotarpiai sudarė 15,75 % viso nagrinėjamo laikotarpio
trukmės. Ekstremaliai drėgnų reikšmių nustatyta tik 1,21 %, labai drėgni mėnesiai sudarė 4,84 %,
vidutiniško drėgnumo mėnesių nustatyta 12,72 % arba apibendrinus 32 metų laikotarpį skirtingo
laipsnio drėgni laikotarpiai sudarė 18,77 % viso nagrinėjamo laikotarpio trukmės. Artima normaliam
drėkinimui nustatyta 65,45 % atvejų.
Lyginant su Kauno teritorijoje gautais rezultatais, Telšių duomenimis buvo fiksuota tiek drėgnų
tiek sausringų mėnesių daugiau, atitinkamai artimų normalioms drėkinimo sąlygoms mėnesių fiksuota
4,5 % maţiau viso nagrinėjamo laikotarpio.
Telšių teritorijoje apskaičiuota SPI 1 tikimybinė kreivė pateikta 4.20 paveiksle.
45
4.20 pav. Tikimybinė SPI 1 kreivė Telšių MS.
Susisteminant paveiksle pateiktus duomenis, 4.6 lentelėje nurodytos SPI 1 reikšmės esant
skirtingoms tikimybėms.
4.6 lentelė. SPI 1 reikšmės esant skirtingoms tikimybėms pagal Telšių MS duomenis
P, % 5 10 25 50 75 95 99
SPI 1 -1,62 -1,26 -0,49 0,01 0,82 1,6 -2,13
P, % 2,4 6,6 14,5 46,4 80,7 93,4 98,7
SPI -2,0 -1,5 -1,0 0 1,0 1,5 2,0
Kaip matyti 4.6 lentelėje analogiškai kaip ir Kauno MS duomenimis, esant skirtingam sausros
laipsniui yra skirtinga tikimybė. Pagal SPI 1 tikimybė vidutiniškai sausam laikotarpiui – 14,5 %, labai
sausam laikotarpiui – 6,6 %, ekstremaliai sausringam – 2,4 %.
4.6. Tikimybinis sausrų vertinimas pagal HTK
Pasitelkus programą EasyFit ir HTK duomenis statistiškai pateikiant pagal normaliojo
skirstinio dėsnį, gaunamas įvykių pasikartojimo daţnių grafikai (4.21 ir 4.22 pav.)
-4
-3
-2
-1
0
1
2
3
0,00 10,00 20,00 30,00 40,00 50,00 60,00 70,00 80,00 90,00 100,00
SP
I 1
Įvykio pasikartojimo tikimybė, %
46
4.21 pav. HTK reikšmių pasiskirstymo daţnių grafikas, Telšiai (2009-2014 m.)
Kaip matyti 4.21 paveiksle, esant skirtingai HTK reikšmei yra skirtingas įvykių pasikartojimo
daţnis. HTK Telšių MS duomenimis tikimybė sausringam laikotarpiui – 5,2 %, sausam laikotarpiui –
3,4 %, labai sausam – 2,2 %. Tikėtino įvykio tikimybė šlapiam periodui 53 % (4.7 lent.).
Analogiškai Telšių rajone 4.22 pav. pateikiama įvykių pasikartojimo daţnių grafikas pagal
Kauno MS apskaičiuotas HTK reikšmes.
4.22 pav. . HTK reikšmių pasiskirstymo daţnių grafikas, Kaunas (1996-2014 m.)
47
Kaip matyti 4.22 paveikse, didţiausia įvykio pasikartojimo tikimybė šlapiam laikotarpiui (kai
HTK>1,5). Tokioms drėgmingumo sąlygoms tikimybė 56,6 %. HTK Kauno MS duomenimis tikimybė
sausringam laikotarpiui – 6,8 %, sausam laikotarpiui –4,1 %, labai sausam – 3,8 % (4.7 lent.).
4.7 lentelė. SPI 1 reikšmės esant skirtingoms tikimybėms pagal Kauno ir Telšių MS duomenis
HTK 0,3 0,4 0,6 0,8 1,0 1,5
P %
(Kaunas) 3,8 4,1 6,8 14,2 18,1 53,0
P %
(Telšiai) 2,2 3,4 5,2 13,6 19,0 56,6
Galima daryti išvadą, jog tiek vertinant tikimybinį reikšmių pasiskirstymą pagal SPI 1 tiek
pagal HTK Telšių rajone tikėtina rečiau sulaukti sausros ir daţniau stebėti perteklinio drėkinimo atvejus
nei Kauno rajone.
48
IŠVADOS
1. Meteorologinių reiškinių, sausrų stebėjimo sistemos JAV ir Lietuvoje turi ir panašumų
ir skirtumų. JAV pavyzdys parodė, jog šios šalies duomenų bazė sėkmingai išplėtota, turinti vieningą
reiškinių vertinimo sistemą, pasitelkianti atitinkamus indeksus. Lietuvoje trūksta informacijos
atvaizdavimo interaktyviuose ţemėlapiuose.
2. Pagal SPI 1 Kauno MS nustatyta, jog analizuojamu 32 metų laikotarpiu skirtingo
laipsnio sausringi laikotarpiai sudarė 14,54 % viso nagrinėjamo laikotarpio trukmės, o skirtingo
laipsnio drėgni laikotarpiai sudarė 85,46 %. Telšių tyrimų objekte gauti rezultatai rodo, jog
analizuojamu 32 metų laikotarpiu skirtingo laipsnio sausringi laikotarpiai sudarė 15,76 % viso
nagrinėjamo laikotarpio trukmės, o skirtingo laipsnio drėgni laikotarpiai sudarė 84,23 %.
3. Nustatyta, kad nepriklausomai nuo nagrinėjamo objekto meteorologinių sąlygų SPI 1 ir
HTK sausringumo laipsnį vertina skirtingai:
- Sausringumo laipsnis pagal SPI 1 ir HTK nesutampa 79 % vertinant visą geguţės –
rugsėjo mėn.
- Geguţės – rugsėjo mėn. laikotarpiu pagal HTK daugiausia buvo šlapių metų (52%),
maţiausiai - sausų ir nepakankamai dėgnų (2 %). Pagal SPI 1 daugiausiai buvo artimamų normaliam
drėkinimui mėnesių (76 %), maţiausiai – vidutiniškai sausų mėnesių (8 %).
4. Pagal SPI 1 Kauno MS duomenimis tikimybė, kad laikotarpis bus vidutiniškai
sausringas – 14,5 %, labai sausringas – 7,8 %, ekstremaliai sausringas – 3 %. Pagal SPI 1 Telšių MS
duomenimis tikimybė,kad laikotarpis bus vidutiniškai sausringas – 14,5 %, labai sausringas – 6,6 %,
ekstremaliai sausringas – 2,4 %. Lyginant Kauno ir Telšių MS gautus rezultatus, Telšių duomenimis
drėgnų mėnesių nustatyta 2,3 % daugiau, atitinkamai artimų normalioms drėkinimo sąlygoms 1,2 %
maţiau per visą nagrinėjamą laikotarpį.
49
LITERATŪRA
1. A GLOBAL AGRICULTURAL RESEARCH PARTNERSHIP, 2008. CGIAR Research
Program on Climate Change, Agriculture and Food Security (CCAFS) [interaktyvus],[ţiūrėta 2015-03-
20]. Prieiga per internetą: <http://www.cgiar.org/our-research/cgiar-research-programs/cgiar-research-
program-on-climate-change-agriculture-and-food-security-ccafs/ >.
2. BUITKUVIENĖ M. S., 1999.Sausros Lietuvoje – klimato kitimo rodiklis? Mokslas ir
gyvenimas. Nr.10. [interaktyvus], [ţiūrėta 2015-01-09]. Prieiga per internetą:
<http://ausis.gf.vu.lt/mg/nr/99/10/index.html>.
3. CANCELLIERE A., MAURO G. DI, BONACCORSO B., ROSSI G., Drought forecasting
using the Standardized Precipitation Index. Catania, Italy. 2006, Water Resour Manage, DOI
10.1007/s11269-006-9062-y.
4. CLOPPET E. Aricultural Drought Indices in France and Europe: Strengths, Weaknesses, and
Limitations. 83-94 psl., Agricultural Drought Indices. Proceedings of an expert meeting. 2–4 June
2010, Murcia, Spain. 205 psl. Editors: Mannava V.K. Sivakumar, Raymond P. Motha, Donald A.
Wilhite, Deborah A. Wood
5. DIRSĖ A. Žemės ūkio augalų vegetacijos laikotarpių drėgmingumas // Ţemės ūkio mokslai.
Nr.3., 2001. − 51−55p.
6. EUROPOS BENDRIJOS, 2008. ES žemės ūkis priima klimato kaitos iššūkį. [interaktyvus],
[ţiūrėta 2015-04-05]. Prieiga per internetą: <
http://ec.europa.eu/agriculture/publi/fact/climate_change/leaflet_lt.pdf >.
7. EUROPOS KOMISIJA, 2006. Klimato kaita – kas tai? [interaktyvus], [ţiūrėta 2015- 04-15].
Prieiga per internetą: < http://ec.europa.eu/clima/sites/campaign/pdf/climate_change_youth_lt.pdf >.
8. JAKIMAVIČIŪTĖ N., STANKŪNAVIČIUS G. 2008. Sausrų Lietuvoje diagnozė naudojant
skirtingus kritulių rodiklius ir klasifikacijos metodus // Geografija. Nr. 2., 50 – 57 p.
9. JAYANTA SARKAR. 2010. Monitoring Drought Risks in India with Emphasis on Agricultural
Drought. 50-59 psl. Agricultural Drought Indices. Proceedings of an expert meeting. 2–4 June 2010,
Murcia, Spain. 205 psl. Editors: Mannava V.K. Sivakumar, Raymond P. Motha, Donald A. Wilhite,
Deborah A. Wood.
10. Jurriaan ten Broek. Comparison of drought indices for the province of Gelderland, The
Netherlands.2014. [interaktyvus], [ţiūrėta 2015-05-02]. Prieiga per internetą: <
https://www.wageningenur.nl/en/show/Thesis-colloquium-Jurriaan-ten-Broek.htm>.
11. LHMTI, 2015. Tarnybos misija. [interaktyvus], [ţiūrėta 2015-05-06]. Prieiga per internetą: <
http://meteo.lt/vkl_misija.php >.
12. LLOYD-HUGHES B., SAUNDERS M. A. 2002. A drought climatology for Europe,
International Journal of Climatology, 22, 1571-1592.
13. Maisto ţaliavų ir agrarinės aplinkos studijų tobulinimas (MAST), Vandens režimas žemės ūkyje.
2008. [interaktyvus], [ţiūrėta 2015-04-20]. Prieiga per internetą: < http://www.asu.lt/nm/l-
projektas/paseliai/16.htm>.
14. MANNAVA V.K. Sivakumar. 2010. Agricultural Drought—WMO Perspectives. 22-34 psl.
Agricultural Drought Indices. Proceedings of an expert meeting. 2–4 June 2010, Murcia, Spain. 205
psl. Editors: Mannava V.K. Sivakumar, Raymond P. Motha, Donald A. Wilhite, Deborah A.
15. Meteorologijos stočių stebėjimo tinklo ţemėlapis. Lietuvos hidrometeorologijos tarnyba prie
Aplinkos ministerijos. [interaktyvus] [ţiūrėta 2015–03–20]. Prieiga per internetą:
<http://www.meteo.lt/stebejimu_tinklas.php >
50
16. MOLLY E. BROWN, 2014. Food Security, Food Prices and Climate Variability. Earthscan
Food and Agriculture. [interaktyvus], [ ţiūrėta 2015-04-16]. Prieiga per internetą:
<https://books.google.lt/books?id=LJzAAwAAQBAJ&pg=PA67&lpg=PA67&dq=assessing+drought+
probability+rojas&source=bl&ots=E71p8OQ5XC&sig=RL5KII_ZORqW-
msh1gNOLQGCbpk&hl=lt&sa=X&ei=eIwqVYaLFoPyapufgLAK&ved=0CD4Q6AEwBQ#v=onepag
e&q&f=false>.
17. NATIONAL DROUGHT MITIGATION CENTER. 2006.Monitoring tools.[interaktyvus],
[ţiūrėta 2015 – 03 – 15]. Prieiga per internetą: <http://drought.unl.edu/MonitoringTools.aspx>.
18. Nieuwolt S. Agricultural droughts in the tropics. Theoretical and Applied Climatology, 1986,
Volume 37, Issue 1-2, pp 29-38 [interaktyvus], [ţiūrėta 2015-03-04]. Prieiga per internetą: <
http://link.springer.com/article/10.1007%2FBF00866102#page-1 >.
19. SAKALAUSKAS V., 2003. Duomenų analizė su statistika: skiriama aukštųjų mokyklų
studentams: vadovėlis / Vilnius: Margi raštai.
20. PALMER W. C. 1968. Keeping track of crop moisture conditions, nationwide: The new crop
moisture index. Weatherwise 21(4):156-61.
21. PALMER W.C. 1965. Meteorological drought. Research Paper No. 45. U.S. Weather Bureau,
Washington, D.C.
22. PAULO CESAR SENTELHAS. 2010. Agricultural Drought Indices in Current Use in Brazil.
60-71 psl. Agricultural Drought Indices. Proceedings of an expert meeting. 2–4 June 2010, Murcia,
Spain. 205 psl. Editors: Mannava V.K. Sivakumar, Raymond P. Motha, Donald A. Wilhite, Deborah A.
Wood
23. PHAM M. T., VANHAUTE W. J., VANDENBERGHE S., DE BAETS B., VERHOEST N. E.
C., 2013.An assessment of the ability of Bertlett – Lewis type of rainfall models to reproduce drought
statistics. Hydrol. Earth Syst. Sci., 17, 5167-5183.
24. ROGER C. STONE. 2010. Agricultural Drought Indices in Current Use in Australia:
Strengths, Weaknesses, and Limitations. 72-82 psl. Agricultural Drought Indices. Proceedings of an
expert meeting. 2–4 June 2010, Murcia, Spain. 205 psl. Editors: Mannava V.K. Sivakumar, Raymond
P. Motha, Donald A. Wilhite, Deborah A. Wood.
25. VALIUKAS D. 2011. Sausringi laikotarpiai Vilniuje 1891 – 2010 m. // Geografija. Nr. 1., 9–18
p.
26. VIJENDRA K., BOKEN I., 2005. Monitoring and predicting agricultural drought / Oxford
University Press. New York.
27. TAPARAUSKIENĖ L. 2013,.Žemės ūkio sausros įvertinimo kriterijų pagrindimas ir metodikos
Lietuvos klimatinėmis sąlygomis parengimas: 2013 baigiamoji ataskaita; tyrimo vadovas Kaunas –
Akademija.